Resumo

LOPEZ RAMOS, Dionis  e  ARCO GARCIA, Leticia. Aprendizaje profundo para la extracción de aspectos en opiniones textuales. Rev cuba cienc informat [online]. 2019, vol.13, n.2, pp.105-145. ISSN 2227-1899.

La extracción de aspectos en opiniones textuales es una tarea muy importante dentro del análisis de sentimientos o minería de opiniones, que permite lograr mayor exactitud al analizar la información y contribuir a la toma de decisiones. El aprendizaje profundo agrupa varios algoritmos o estrategias que han obtenido resultados relevantes en diversas tareas del procesamiento del lenguaje natural. Existen varios artículos de revisión sobre el análisis de sentimientos que abordan el aprendizaje profundo como una de las técnicas existentes para la extracción de aspectos; sin embargo, no existen artículos de revisión que se dediquen exclusivamente al empleo del aprendizaje profundo en el análisis de sentimiento. El objetivo de este artículo consiste en ofrecer un análisis crítico y comparativo de las principales propuestas y trabajos de revisión que emplean estrategias de aprendizaje profundo para la extracción de aspectos, profundizando en la forma de representación, modelos, resultados y conjuntos de datos empleados en esta tarea. En esta propuesta se hace el análisis de 89 artículos publicados durante el período 2011 a 2019 resaltando sus principales aciertos, fisuras, y retos de investigación. Finalmente, proponemos algunas direcciones de investigación futuras.

Palavras-chave : Minería de Opiniones; Extracción de Aspectos; Aprendizaje Profundo; Procesamiento de Lenguaje Natural.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )