Construcción de un modelo híbrido de clasificación de emociones en textos en español usando Transformers y algoritmos de Machine Learning
Date
2026-03
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Benemérita Universidad Autónoma de Puebla
Abstract
"La clasificación automática de emociones en textos escritos en español representa un desafío relevante dentro del procesamiento del lenguaje natural, debido tanto a la complejidad lingüística del idioma como a la naturaleza subjetiva de la expresión emocional. En este contexto, la presente investigación propone y evalúa un enfoque metodológico híbrido para la clasificación emocional, integrando modelos tradicionales de aprendizaje automático y modelos basados en arquitecturas Transformer. El trabajo parte del uso de un corpus emocional en español, conformado por textos narrativos breves asociados a seis categorías emocionales: alegría, tristeza, ira, miedo, sorpresa y disgusto. Con el fin de garantizar la validez experimental, se diseñó una estrategia de particionamiento estricta que controla la fuga de información mediante el agrupamiento por participante y la separación en subconjuntos de entrenamiento, validación y prueba, complementada con validación cruzada estratificada con grupos. Posteriormente, se implementó un esquema de preprocesamiento diferenciado, adaptado a las características de cada familia de modelos. Para los enfoques tradicionales se desarrolló un algoritmo progresivo que incorpora tokenización explícita, manejo de negación y normalización de señales paralingüísticas, mientras que para los modelos basados en Transformers se optó por una normalización mínima del texto, preservando la mayor cantidad posible de información contextual. En cuanto a la representación textual, se empleó TF-IDF para los modelos tradicionales y se utilizaron modelos Transformer ajustados finamente, aprovechando sus salidas probabilísticas para la etapa de integración híbrida".
Description
Keywords
Citation
Collections
Document Viewer
Select a file to preview:
Can't see the file? Try reloading