Gracias por A2A
Hay diferentes formas de hacer análisis de sentimientos, dos más populares son el aprendizaje automático y el basado en reglas.
Análisis de sentimiento basado en reglas : falta capacidad de generalizaciones ya que el resultado está muy centrado en las reglas que aplica, pero si el dominio es limitado o el lenguaje está estructurado, esto puede conducir a una buena precisión. Herramientas que se pueden utilizar: GATE , Arquitectura general para ingeniería de texto.
- ¿Qué área de IA y aprendizaje profundo es útil para vehículos autónomos?
- ¿Cómo puedo sobresalir en el aprendizaje automático con antecedentes estadísticos?
- ¿Es posible crear un filtro adaptativo usando una red neuronal para que después del entrenamiento pueda filtrar la señal ruidosa y dar la salida deseada?
- ¿Cómo afectará el aprendizaje automático a la economía, tanto a corto plazo (2–5 años) como a largo plazo?
- ¿Cómo debe un principiante en Machine Learning enfocar una declaración de problema?
Aprendizaje automático: amplia variedad de opciones, desde redes neuronales hasta modelos que internamente crearán algún tipo de estructura de reglas (árboles). En comparación, es mucho más fácil seguir esta ruta, ya que existen bibliotecas para todos los idiomas destacados. Asumiendo que está familiarizado con Python, si no, es un lenguaje fácil y le permitirá enfocarse en la ciencia y no en la sintaxis del lenguaje para este proyecto.
Deberá usar la biblioteca nltk en python que limpiará los datos textuales. Publicación en la que puede conectar los datos a una serie en algoritmo utilizando scikit learn. Muchos de estos algoritmos necesitarán que optimice ciertos parámetros, que es donde utilicé una búsqueda de cuadrícula guiada en el espacio de búsqueda de estos parámetros.
Por lo tanto, su elección sería principalmente entre GATE y Python.
