Resumen:
Numerosos estudios que abordan el Análisis de Sentimientos, mediante clasificadores basados en aprendizaje automático, se enfrentan a la necesidad de etiquetar manualmente los datos de entrenamiento o utilizar conjuntos de datos públicos pre etiquetados. Estos enfoques presentan desafíos significativos, como la laboriosidad del etiquetado manual, la ambigüedad en la clasificación de emociones y la falta de recursos en idiomas distintos al inglés.
Con el propósito de agilizar el desarrollo de clasificadores de emociones en textos en español, basados en aprendizaje automático supervisado, esta tesis propone y ejecuta una metodología para la captura, etiquetado y validación del contenido, con el fin de acelerar el proceso de construcción del conjunto de datos. Además, se desarrollan clasificadores basados en aprendizaje automático utilizando los datos recopilados y se compara su rendimiento con el de clasificadores entrenados con datos etiquetados manualmente. Por último, se evalúa el impacto de la información contextual en el rendimiento de los clasificadores construidos.
