Construcción de un modelo híbrido de clasificación de emociones en textos en español usando Transformers y algoritmos de Machine Learning

Simple item page
dc.audiencegeneralPublic
dc.contributorMéndez Sánchez, Luis Yael
dc.contributorSomodevilla García, María Josefa
dc.contributor.advisorMéndez Sánchez, Luis Yael; 0000-0003-2283-6987
dc.contributor.advisorSOMODEVILLA GARCIA, MARIA JOSEFA; 64545
dc.contributor.authorLeón Vivanco, Jorge
dc.creatorLeón Vivanco, Jorge; 0009-0001-9042-9956
dc.date.accessioned2026-08-28T18:35:41Z
dc.date.available2026-08-28T18:35:41Z
dc.date.issued2026-03
dc.description.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".
dc.folio20260304132107-6768-TL
dc.formatpdf
dc.identificator7
dc.identifier.urihttps://hdl.handle.net/20.500.12371/33582
dc.language.isospa
dc.matricula.creator202129258
dc.publisherBenemérita Universidad Autónoma de Puebla
dc.rights.accesopenAccess
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0
dc.subject.classificationINGENIERÍA Y TECNOLOGÍA
dc.subject.lccMatemáticas--Instrumentos y máquinas--Máquinas de calculo--Informática--Procesamiento del lenguaje natural
dc.subject.lccMatemáticas--Instrumentos y máquinas--Máquinas de calculo--Informática--Otros temas--Procesamiento de textos
dc.subject.lccMatemáticas--Instrumentos y máquinas--Máquinas de calculo--Informática--Otros temas--Análisis de sentimientos
dc.subject.lccAprendizaje automático (Inteligencia artificial)
dc.subject.lccEmociones--Procesamiento de datos
dc.thesis.careerLicenciatura en Ingeniería en Tecnologías de la Información
dc.thesis.degreedisciplineÁrea de Ingeniería y Ciencias Exactas
dc.thesis.degreegrantorFacultad de Ciencias de la Computación
dc.thesis.degreetoobtainIngeniero (a) en Tecnologías de la Información
dc.titleConstrucción de un modelo híbrido de clasificación de emociones en textos en español usando Transformers y algoritmos de Machine Learning
dc.typeTesis de licenciatura
dc.type.conacytbachelorThesis
dc.type.degreeLicenciatura
Files
Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
20260304132107-6768-TL.pdf
Size:
2.62 MB
Format:
Adobe Portable Document Format
Download
Name:
20260304132107-6768-CARTA.pdf
Size:
1.64 MB
Format:
Adobe Portable Document Format
Collections
Tesis de Licenciatura