Combinación de clasificadores para el análisis de sentimientos

Abstract

Resumen. El presente trabajo, propone una arquitectura fusionando los clasificadores: SVM arboles de decisión y Naive Bayes, mediante mayoría de votos, ventanas y cascada, para explorar el desempeño de la tarea de análisis de sentimientos. Se utilizó un corpus en español de 2625 opiniones, previamente preprocesado. Para representarlo, se emplearon bigramas, bolsa de palabras con pesado tf-idf, etiquetado POS y una representación basada en la teoría de la valoración. Los resultados obte-nidos muestran una mejora en medida F del 18.13 %, con respecto a los resultados de los clasicadores base. Palabras clave: combinación de clasificadores, análisis de opinión, ensamble de clasificadores. 1. Introducción La combinación de múltiples clasificadores es considerado un reto importante para lograr la robustez y precisión en diversas tareas, como el análisis de opinión o sentimientos. A pesar de los avances tecnológicos, el análisis de sentimientos sigue siendo un tema de investigación abierto, especialmente en el idioma español. En este trabajo se exploran diversas formas de combinar las decisiones de múltiples clasificadores como una forma viable de mejorar el rendimiento de la tarea de análisis de sentimientos. Al respecto cabe mencionar el trabajo desarrollado por Shoushan Li [1] et al. quienes utilizan máquinas de soporte vectorial y atributos como unigramas, adjetivos, adjetivos+advervios, nombres, entre otros y mejorar la precisión obtenida por los clasificadores individuales al combinar los tres mejores de los seis utilizados. El presente artículo está organizado de la siguiente manera: en la sección 2 se describe la tarea de análisis de sentimientos, en la sección 3 se describe la tarea de clasificación, así como cada uno de los clasificadores utilizados, posteriormente en la sección 4 se define el concepto de ensamble de clasificadores, y los métodos de combinación empleados. En la sección 5 se describe la arquitectura propuesta, en la sección 6 se muestran los experimentos y resultados obtenidos, en la sección 7 se presentan las conclusiones y finalmente en la sección 8 se presenta el trabajo futuro.