Modelo para el análisis de sentimiento de reseñas de películas utilizando aprendizaje automático en la plataforma Film Junky Union
El uso de modelos de aprendizaje automático que clasifiquen texto se ha convertido en un tema de gran interés y está siendo ampliamente utilizado por muchas empresas que, a partir de clasificadores automáticos, reúnen información sobre textos o mensajes escritos en diferentes plataformas como Twitter o Facebook. Al entrenar estos modelo se puede llegar a saber cosas como si un mensaje es racista, si el texto habla de política o tecnología, o si un comentario es positivo o negativo, incluso hasta el idioma en que se encuentra un texto.
Film Junky Union, una nueva comunidad vanguardista para los aficionados de las películas clásicas, está desarrollando un sistema para filtrar y categorizar reseñas de películas. Para lo cual, busca entrenar un modelo que permita detectar las críticas negativas de forma automática y distinguirlas de las críticas positivas. Se cuenta con un conjunto de datos de reseñas de películas de IMDB con leyendas de polaridad, a partir del cual se construirá un modelo para clasificar las reseñas positivas y negativas, utilizando el puntaje F1 para evaluar el rendimiento de los modelos.
- Entrenar varios modelos de aprendizaje automático que clasifiquen reseñas positivas y negativas, utilizando diferentes alternativas de preprocesamiento de textos.
- Establecer el mejor modelo que alcance un valor F1 de al menos 0.85.