RT info:eu-repo/semantics/bachelorThesis
T1 Análisis comparativo de modelos de aprendizaje supervisado para el reconocimiento de emociones en texto
A1 Jiménez Girón, Izan
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Reconocimiento de emociones
K1 Inteligencia artifical
K1 Análisis de texto
K1 Modelos de aprendizaje
AB Hacer que una máquina pueda sentir emociones puede parecer hoy en día una meta lejana,casi imposible. Sin embargo, el primer paso para acercarnos a ello es dotarla de la capacidadde reconocerlas. Esta tarea, enmarcada dentro de la computación afectiva, ha sido objeto deestudio desde hace años, especialmente en su aplicación al texto, donde aún persistennumerosos desafíos.Detectar emociones en lenguaje escrito implica enfrentarse a ambigüedades, doblessentidos, ironías y matices culturales difíciles de codificar. Aunque ya existen modelos capacesde clasificar textos en categorías generales como “positivo”, “negativo” o “neutro”, estossistemas aún están lejos de identificar con precisión emociones específicas como tristeza,alegría, miedo o enfado, especialmente en dominios desafiantes como las redes sociales,donde la informalidad, los contextos implícitos y el lenguaje figurado son comunes.Este Trabajo Fin de Grado propone una aproximación exploratoria a este problema,combinando una revisión de las tecnologías actuales en Procesamiento del Lenguaje Natural(NLP) con una experimentación práctica. A través de la comparación de distintos modelossupervisados clásicos, se pretende evaluar sus capacidades en la tarea de clasificaciónemocional, identificar los límites actuales de estos sistemas y señalar posibles líneas demejora futuras.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79497
UL https://uvadoc.uva.es/handle/10324/79497
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 25-nov-2025