Show simple item record

dc.contributor.advisorÑANCULEF, RICARDO (PROFESOR(A) GUÍA)
dc.contributor.advisorVALLE, CARLOS (PROFESOR(A)CORREFERENTE)
dc.contributor.authorCASTILLO DINAMARCA, FRANCISCO IGNACIO
dc.coverage.spatialCampus San Joaquín, Santiagoes_CL
dc.date.accessioned2018-07-10T18:03:40Z
dc.date.available2018-07-10T18:03:40Z
dc.date.issued2018-05
dc.identifier.urihttp://hdl.handle.net/11673/41293
dc.descriptionCatalogado desde la version PDF de la tesis.es_CL
dc.description.abstractEn términos muy generales, el problema de adaptación entre dominios consiste en diseñar técnicas que permitan utilizar datos de un determinado contexto o dominio(por ejemplo opiniones clasificadas en Amazon) para resolver un problema de aprendizaje en otro contexto o dominio (por ejemplo clasificar opiniones en una tienda de retail nacional). Estas técnicas son útiles en escenarios en que no se cuenta con un conjunto de datos suficientemente grande para aplicar con éxito un método de aprendizaje automático o se desea mejorar los resultados actuales mediante conocimiento adquirido en problemas similares. En esta memoria se presenta un estudio de métodos representativos del estado del arte actual con énfasis en el problema de clasificación de sentimiento, es decir el reconocimiento del estado emocional subyacente a un texto corto que representa la opinión de su autor con respecto a una cosa. Además, se presenta una comparación experimental de un conjunto de técnicas seleccionadas usando benchmarks públicamente disponibles y también un dataset nuevo construido durante una práctica profesional en una empresa dedicada entre otras al análisis de sentimiento. Finalmente, se presentan conclusiones que, junto a los programas construidos durante la ejecución de este trabajo, constituyen una base para guiar investigaciones en el área.es_CL
dc.description.abstractIn general terms, the domain adaptation problem consists in designing techniquesthat allow to use data in a determined context or domain (for instance, opinions classifiedin Amazon) to solve a learning problem in another context or domain (for instance,classify opinions on a national retail store). These techniques are useful on scenarioson which there isn’t a group of data large enough to apply with success a machinelearning method or there’s a need to improve actual results through acquired knowledgeon similar problems. In this report, a study of the most representative methodsof the actual state of the art is presented with emphasis on the sentiment classificationproblem, that is to say the identification of the underlying emotional state of a shorttext that represents the opinion of its author with respect to a subject. Furthermore, itis presented an experimental comparison of a set of selected techniques using publiclyavailable benchmarks and also a new dataset built during an internship on an enterpriseengaged amongst other things to sentiment analysis. Finally, conclusions are presentedthat, together with software built during the making of this work, make a base to guidefurther research on the area.eng
dc.format.extent148 h.
dc.format.mediumCD ROM
dc.format.mimetypeapplication/pdf
dc.subjectADAPTACION ENTRE DOMINIOSes_CL
dc.subjectANALISIS DE SENTIMIENTOes_CL
dc.subjectAPRENDIZAJE AUTOMATICOes_CL
dc.titleTÉCNICAS DE ADAPTACIÓN ENTRE DOMINIOS PARA APRENDIZAJE AUTOMÁTICOes_CL
dc.typeTesis Pregradoes_CL
dc.rights.accessRightsA - Internet abierta www.repositorio.usm.cl y otros repositorios a la que la USM se adscriba
dc.description.degreeINGENIERO CIVIL EN INFORMÁTICAes_CL
dc.contributor.departmentUniversidad Tecnica Federico Santa Maria UTFSM INFORMATICAes_CL
dc.description.programINGENIERÍA CIVIL EN INFORMÁTICA
dc.identifier.barcode3560902038646
usm.identifier.thesis4500013315
usm.date.thesisregistration2016


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record