Solo quería ver esta pregunta desde otra perspectiva; Si consideramos a ambos como un problema en el análisis de texto y el dominio de PNL, el análisis de opinión en la mayoría de la literatura de minería de opinión se conoce como “clasificar un texto en clases positivas versus negativas”, también conocido como polaridad u orientación. Desde la perspectiva del aprendizaje automático, se trata principalmente de un problema de clasificación de dos (a veces tres) clases conocido como clasificación de polaridad o clasificación de sentimientos.
Por otro lado, el reconocimiento o análisis de emociones es un campo más reciente y emergente en la minería de opinión que trata de empujar los límites del análisis de sentimientos un poco más con la esperanza de obtener una mejor comprensión de la opinión textual de las personas; En estos enfoques tienen una mirada a nivel micro y multiclase (ira, asco, miedo, felicidad, tristeza y sorpresa) a la opinión de las personas. Las opiniones pueden correlacionarse con el espacio multidimensional de las emociones con diferentes niveles de activación y esto ciertamente proporciona más información en comparación con las técnicas tradicionales de análisis de sentimientos.
Al final solo quería referirlo a este documento, ya que puede aclarar esto: (el estado de ánimo de Twitter predice el mercado de valores)
- ¿Los drones UAV tienen programada para evitar colisiones?
- Soy ingeniero industrial, y me gustaría continuar con los estudios de doctorado en inteligencia artificial en algunos de los laboratorios de investigación de primer nivel en los Estados Unidos. ¿Hay algún problema especial que sugiera que tenga en cuenta?
- ¿Cuál es la razón detrás de la prueba de Turing?
- ¿Qué tan 'eficiente' es agregar interacciones tensoriales en una red neuronal, en lugar de profundizar la red pero usando transformaciones afines más simples?
- ¿Cómo se pueden aprovechar los análisis predictivos en chatbots para el comercio conversacional?
