El análisis de sentimientos tiene como objetivo inferir cómo las personas expresan su opinión sobre cualquier texto o tema de interés. Este artículo trata de la detección de una forma implícita del sentimiento, denominada sarcasmo. El sarcasmo transmite lo contrario de lo que la gente intenta transmitir para criticar o ridiculizar de forma humorística. Desempeña un papel fundamental en las redes sociales, ya que la mayoría de los tuits o mensajes contienen matices sarcásticos. Los enfoques existentes para el estudio del sarcasmo sólo se ocupan de la detección del mismo. En este trabajo, además de detectar el sarcasmo del texto, se ha propuesto un enfoque para identificar el tipo de sarcasmo. La principal motivación para determinar los tipos de sarcasmo es identificar el nivel de daño o la verdadera intención detrás del texto sarcástico. El trabajo propuesto pretende mejorar los enfoques existentes incorporando una nueva perspectiva que clasifica el sarcasmo en función del nivel de dureza empleado. La principal aplicación del trabajo propuesto sería relacionar el estado emocional de una persona con el tipo de sarcasmo que exhibe, lo que podría proporcionar información importante sobre el comportamiento emocional de una persona. Se ha propuesto un método de selección de características basado en conjuntos para identificar el conjunto óptimo de características necesarias para detectar el sarcasmo en los tweets. Este conjunto óptimo de características se empleó para detectar si el tuit es sarcástico o no. Tras detectar las frases sarcásticas, se ha propuesto un enfoque basado en múltiples reglas para determinar el tipo de sarcasmo. Como intento inicial, el sarcasmo se ha clasificado en cuatro tipos, a saber, sarcasmo cortés, sarcasmo grosero, sarcasmo furioso y sarcasmo inexpresivo. Se ha analizado experimentalmente el rendimiento y la eficacia del enfoque propuesto, y se ha modelado el cambio de humor de una persona para cada tipo de sarcasmo. La precisión global del algoritmo de selección de características propuesto para la detección del sarcasmo es de alrededor del 92,7%, y el enfoque de reglas múltiples propuesto para la identificación del tipo de sarcasmo alcanza una precisión del 95,98%, 96,20%, 99,79% y 86,61 para los tipos de sarcasmo cortés, grosero, furioso y displicente, respectivamente.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Actividad anticancerígena fotodinámica dependiente del tamaño de partícula de partículas de Fe3O4 conjugadas con hematoporfirina
Artículo:
Estudio de Dinámica Molecular del Comportamiento de Separación en la Interfaz entre el Ligante PVDF y el Colector de Corriente de Cobre
Artículo:
Características de funcionamiento y método de compensación de temperatura del sensor de propiedades de fluidos basado en la tecnología Tuning-Fork
Artículo:
Algoritmo de optimización de ajustes dinámicos en redes de sensores direccionales 3D basado en modelos de cobertura de sectores esféricos
Artículo:
Efecto del uso sistémico de heparina intraoperatoria en la permeabilidad de la fístula arteriovenosa de extremidad superior en pacientes con enfermedad renal en etapa terminal.
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.