Modelos de Lenguaje y Aprendizaje Profundo para Análisis de Sentimientos en Español

Ponente(s): Uziel Isaí Luján López, Diego Paniagua: diego.paniagua@cimat.mx César Aguirre: cesar.aguirre@cimat.mx Gustavo Hernández: gustavo.angeles@cimat.mx

Se presenta un estudio aplicado del análisis de sentimientos en español utilizando modelos de lenguaje basados en transformers, específicamente el modelo BETO, una variante de BERT entrenada para el español, tanto como extractor de características como clasificador final sobre el corpus REST-MEX, un conjunto de reseñas turísticas mexicanas etiquetadas por polaridad emocional y lugar de procedencia de la reseña. Se enfatiza el puente entre las matemáticas y el aprendizaje profundo: se analizan las operaciones matriciales detrás del mecanismo de atención, el rol del álgebra lineal en las representaciones semánticas, y la optimización estocástica en el entrenamiento de redes neuronales profundas. Asimismo, se discute el impacto del desbalance de clases y cómo las métricas multiclase influyen en la evaluación del modelo. La charla busca mostrar cómo conceptos matemáticos fundamentales son clave en tecnologías modernas. Está dirigida tanto a estudiantes como a investigadores interesados en aplicaciones reales del aprendizaje automático sobre texto en español.