RT info:eu-repo/semantics/bachelorThesis
T1 Aplicación de aprendizaje automático para evaluar lenguaje de videojuegos en Twitch
A1 Carralero Lanchares, Miguel
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Análisis de la respuesta emocional
K1 Twitch
K1 Videojuegos
AB En el trabajo se aborda el análisis de la respuesta emocional en chats de transmisiones devideojuegos en Twitch. El crecimiento exponencial de esta plataforma ha generado unanecesidad crucial de comprender las emociones que experimentan los usuarios alinteractuar en los chats de las transmisiones. En este sentido, y dada la dificultad deanalizar manualmente la gran cantidad de mensajes generados en tiempo real, se aplicantécnicas de Inteligencia Artificial y Procesamiento del Lenguaje Natural (PLN) paraclasificar la polaridad (positiva, negativa, indeterminada) y emociones (aprobación,desaprobación, decepción, interés, enfado, etc.) expresadas en sus mensajes/comentarios.El objetivo principal de este estudio es mejorar los resultados de estudios previos sobre elanálisis de sentimientos en transmisiones de videojuegos en Twitch. Para lograrlo, seamplía el corpus de datos, incluyendo una mayor diversidad de géneros de videojuegos,streamers y comunidades, así como diferentes terminologías y jergas propias de esteámbito. Se utiliza un modelo de lenguaje basado en Representación de CodificadorBidireccional de Transformadores (BERT), adaptado al español, para entrenar y optimizardicho modelo de clasificación. Se realiza un preprocesado de los datos para eliminarinformación redundante y normalizarlos. Posteriormente, se evaluó el rendimiento delmodelo utilizando diferentes métricas de precisión y se compararon los resultados con losde estudios previos para determinar la efectividad de las mejoras implementadas.Tras el entrenamiento y optimización, se han desarrollado herramientas pioneras paraaplicar el modelo, incluyendo una función para realizar predicciones sobre nuevosmensajes y una aplicación con interfaz gráfica que permite cargar archivos, obtenerpredicciones y visualizar los resultados mediante gráficos.
YR 2024
FD 2024
LK https://uvadoc.uva.es/handle/10324/71264
UL https://uvadoc.uva.es/handle/10324/71264
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 18-dic-2024