Resumen

El COVID-19 se ha cobrado varias vidas humanas hasta la fecha. La gente está muriendo no sólo por la infección física del virus, sino también por la enfermedad mental, que está relacionada con los sentimientos y la psicología de las personas. Los textos/posts de la gente dispersos en la web podrían ayudar a entender su psicología y el estado en que se encuentran durante esta pandemia. En este artículo, analizamos el sentimiento de las personas a partir de la clasificación de los tweets recogidos en la plataforma de medios sociales Twitter en Nepal. Para ello, en primer lugar, proponemos utilizar tres métodos diferentes de extracción de características -basado en texto rápido (ft), específico del dominio (ds) y agnóstico del dominio (da)- para la representación de los tweets. De estos tres métodos, dos ("ds" y "da") son los nuevos métodos utilizados en este estudio. En segundo lugar, proponemos tres redes neuronales de convolución (CNN) diferentes para implementar las características propuestas. Por último, ensamblamos estos tres modelos de CNNs utilizando el ensamble de CNNs, que funciona de manera integral, para lograr los resultados finales. Para evaluar los métodos de extracción de características y los modelos CNN propuestos, preparamos un conjunto de datos de sentimientos de Twitter en nepalí, llamado NepCOV19Tweets, con 3 clases (positiva, neutral y negativa). Los resultados experimentales en este conjunto de datos muestran que los métodos de extracción de características propuestos poseen características discriminatorias para la clasificación de sentimientos. Además, los modelos CNN propuestos ofrecen un rendimiento robusto y estable con las características propuestas. Asimismo, nuestro conjunto de datos puede utilizarse como referencia para estudiar el análisis de sentimientos relacionados con la COVID-19 en el idioma nepalí.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:métodos de extracción de características, características propuestas, personas, extracción de características propuestas, modelo cnn propuesto, varias vidas humanas, clasificación de tweets, sentimiento de twitter nepalí, representación de tweets, conjunto de datos de sentimiento de twitter
• Keywords:features extraction methods, proposed features, people, proposed features extraction, proposed cnn model, several human life, classification of tweet, nepali twitter sentiment, representation of tweet, twitter sentiment dataset