Análisis comparativo de modelos pre-entrenados para el análisis de ironía en castellano

Sánchez de Castro Fernández, Alejandro (2021). Análisis comparativo de modelos pre-entrenados para el análisis de ironía en castellano. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. de Sistemas Informáticos (UPM), Madrid.

Description

Title: Análisis comparativo de modelos pre-entrenados para el análisis de ironía en castellano
Author/s:
  • Sánchez de Castro Fernández, Alejandro
Contributor/s:
  • Bello Orgaz, María Gema
  • Gómez Canaval, Sandra
Item Type: Final Project
Degree: Grado en Tecnologías para la Sociedad de la Información
Date: July 2021
Subjects:
Freetext Keywords: Algoritmos de ML; Lenguaje natural; Análisis de sentimientos
Faculty: E.T.S.I. de Sistemas Informáticos (UPM)
Department: Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB) | Preview

Abstract

La comunicación humana está totalmente abierta a interpretaciones, no es un proceso determinista ni definido. Esta cambia con el tiempo y cada cultura tiene formas distintas de utilizarla. Comprender las formas de comunicación y descifrar su comportamiento es una tarea compleja, así como trasladar todo este conocimiento a un ordenador. Para ello, nos servimos de la transferencia de conocimiento. Generación tras generación se perfeccionan técnicas y se descubren nuevas formas de abordar los problemas, sirviéndose del trabajo de los demás. Por eso, los modelos de aprendizaje automático pre-entrenados son muy relevantes para el panorama actual de la Inteligencia Artificial. En este Trabajo de Fin de Grado se aborda la utilización y eficacia de los modelos de Machine Learning para el análisis de la ironía en textos en Español. Se estudia cómo de útiles pueden ser y cuáles son los beneficios y limitaciones de utilizar estos modelos. Con ello se pretende buscar la mejor configuración posible para maximizar los resultados y compararlos con otras aproximaciones presentadas en la competición IroSvA. Esta competición trata de estudiar cómo varía la detección de ironía en las distintas variantes del Español, concretamente en Español de España, Cuba y México. A parte del trabajo práctico, este TFG hace un repaso por toda la historia de la IA. Con el fin de intentar comprender qué nos ha traído hasta aquí y qué retos se han tenido que superar. Finalmente, se ofrece una revisión general de los diferentes algoritmos y técnicas para el procesamiento del lenguaje natural que existen en la actualidad. Abstract: Human communication is completely open to interpretation, it is neither deterministic nor defined. It changes over time and each culture has different ways of using it. Understanding forms of communication and deciphering their behaviour is a titanic task, as is transferring all this knowledge to a computer. To do this, we use knowledge transfer. Generation after generation, techniques are refined and new ways of approaching problems are discovered, building on the work of others. Therefore, pre-trained machine learning models are highly relevant to the current landscape of Artificial Intelligence. This Final Degree Thesis deals with the use and effectiveness of Machine Learning models for the analysis of irony in Spanish texts. We study how useful they can be and what are the benefits and limitations of using these models. The aim is to find the best possible configuration to maximise the results and compare them with other approaches presented in the IroSvA competition. This competition aims to study how irony detection varies in different variants of Spanish, specifically in Spanish from Spain, Cuba and Mexico. Apart from the practical work, this dissertation reviews the whole history of AI. In order to try to understand what has brought us to this point and what challenges have had to be overcome. Finally, a look at different algorithms and techniques for natural language processing is offered.

More information

Item ID: 68220
DC Identifier: https://oa.upm.es/68220/
OAI Identifier: oai:oa.upm.es:68220
Deposited by: Biblioteca Universitaria Campus Sur
Deposited on: 19 Aug 2021 15:41
Last Modified: 12 Oct 2021 22:30
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM