Proyecto de RNN - LSTM para el Análisis de Sentimientos en redes sociales
Budget: $15 – $25 USD
Hemos extraído información histórica de un perfil de Twitter y deseamos analizarla. Esta información está en formato JSON y contiene comentarios y opiniones de usuarios en español principalmente.
Alcances del proyecto:
◉ Clasificación de la polaridad de los comentarios y su intensidad (%)(Ejm: positivo, negativo, neutro).
◉ Clasificación de los comentarios por motivo (Ejm: Atencion al cliente, Tarjetas, Deudas, Abonos, etc)
◉ Clasificación de las emociones de los comentarios (Ejm: Alegría, enojo, miedo, repulsión, sorpresa, tristeza).
Herramientas y algoritmos a utilizar:
◉ Google Colab.
◉ Python (pandas, nltk, tensorflow, numpy, sklearn, keras, etc )
◉ Word Embeddings en español.
◉ Red Neuronal Recurrente LSTM.
PSDT: Ya tenemos un avance preliminar para lograr estos objetivos.
Alcances del proyecto:
◉ Clasificación de la polaridad de los comentarios y su intensidad (%)(Ejm: positivo, negativo, neutro).
◉ Clasificación de los comentarios por motivo (Ejm: Atencion al cliente, Tarjetas, Deudas, Abonos, etc)
◉ Clasificación de las emociones de los comentarios (Ejm: Alegría, enojo, miedo, repulsión, sorpresa, tristeza).
Herramientas y algoritmos a utilizar:
◉ Google Colab.
◉ Python (pandas, nltk, tensorflow, numpy, sklearn, keras, etc )
◉ Word Embeddings en español.
◉ Red Neuronal Recurrente LSTM.
PSDT: Ya tenemos un avance preliminar para lograr estos objetivos.