Resumen

Las metodologías basadas en aprendizaje profundo son significativas para realizar análisis de sentimientos en datos de redes sociales. Los valiosos conocimientos de los datos de redes sociales a través del análisis de sentimientos pueden ser empleados para desarrollar aplicaciones inteligentes. Entre muchas redes, las redes neuronales convolucionales (CNNs) son ampliamente utilizadas en muchas tareas de clasificación de texto convencionales y desempeñan un papel significativo. Sin embargo, para capturar información contextual a largo plazo y abordar el problema de pérdida de detalles, las CNNs requieren apilar múltiples capas convolucionales. Además, la superposición de capas convolucionales tiene problemas que requieren cálculos masivos y ajuste de parámetros adicionales. Para resolver estos problemas, en este documento, se inicializa una representación de palabras concatenadas contextualizadas (CCWRs) a partir de datos de redes sociales basados en texto que es esencial para palabras mal escritas y fuera de vocabulario (OOV). En CCWRs, diferentes modelos de representación de palabras, por ejemplo, Word2Vec, su versión optim

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Aprendizaje profundo; Análisis de sentimientos; Datos de redes sociales; Redes neuronales convolucionales; Representación contextualizada de palabras; Red neuronal convolucional dilatada
• Keywords:Deep learning; Sentiment analysis; Social media data; Convolutional neural networks; Contextualized word representation; Dilated convolutional neural network