https://padlet.com/rojasramiro2987/4efa3g7jja4k Sesión de Creatividad en-us 2018-10-10 12:53:08 UTC 2018-10-17 21:07:03 UTC hello@padlet.com https://padlet-assets.s3.amazonaws.com/icons/Lightdecrease.png rojasramiro2987 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/291519117 1)- Visualiza el vídeo en el siguiente link: https://www.youtube.com/watch?v=uos0aMd-9PQ

2)-Responde las preguntas de forma grupal.

3)- Realiza sugerencia e ideas que tengan que ver con las preguntas y lo visualizado en el vídeo.


]]> 2018-10-11 00:51:11 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/291519117 rojasramiro2987 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/291519715 2018-10-11 00:54:29 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/291519715 rojasramiro2987 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/291521071 2018-10-11 01:01:50 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/291521071 rojasramiro2987 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/291521196 2018-10-11 01:02:46 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/291521196 pablosantana85 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292018197 Considerando que se busca construir un clasificador, en primer lugar se necesita un conjunto de conversaciones. En segundo lugar, dos o más expertos (analizadores humanos) que asignen manualmente etiquetas a las conversaciones. La desventaja del análisis manual es que es un proceso tedioso y que consume mucho tiempo. En este contexto se podría aliviar la tarea de los expertos pre asignando la categoria/sentimiento a las conversaciones. Si el experto está de acuerdo dejaría la categoria sugerida, y si no está de acuerdo la podría cambiar. Pero para que esta opción sea viable se precisa de la existencia de un clasificador.]]> 2018-10-12 03:25:05 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292018197 pablosantana85 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292018821 la elección del algoritmo creo depende de las caracteristicas de los datos disponibles.
*SVM: este algoritmo tiene la ventaja de funcionar bien con espacios de caracteristicas grandes. Si para clasificar el texto se considera como caracteristica el lema, svm tendría buen desempéño con 1000, 10 000 o 100 000 lemas distintos presentes en los documentos.
*SVMU: existe una versión de svm denominada svm con margenes desiguales que fue creado para los casos donde la cantidad de ejemplos positivos de entrenamiento es pequeña en relación a la cantidad de ejemplos negativos.
*PAUM: es un perceptron con margenes desiguales muy conveniente cuando  la cantidad de ejemplos positivos de entrenamiento es pequeña en relación a la cantidad de ejemplos negativos.]]> 2018-10-12 03:31:11 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292018821 pablosantana85 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292021312 la estrategia usual para evaluar un clasificador consiste en dividir los datos en conjunto de entrenamiento (66%) y conjunto de prueba (33%).  Utilizando el conjunto de pruebas se calculan las metricas de precisión, recall y f-measure]]> 2018-10-12 03:48:59 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292021312 rosanna5 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292358972 Coincido con lo dicho por Pablo antes.
Para entrenar un clasificador deberias tener un conjunto de dialogos dde ya esten indicados los sentimientos contenidos en cada contribucion (obviamente tb antes se debio definir los "tipos" de sentimientos q se reconoceran).
Una alternativa seria q alguien analice dialogos disponibles y efectue esa clasifcacion a mano (muy tedioso y laborioso tal como dijo Pablo)
Otra alternativa seria disponer de una herramienta de dialogo q permita al usuario indicar sus sentimiento cuando realiza algun aporte a la conversacion (soluciona el problema de la alternativa anterior pero aparece la necesidad de tener un soft con esas funcionalidades desarrolladas y tb tiempo para llevar a cabo experiencias reales con usuarios)]]> 2018-10-12 21:29:28 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292358972 rosanna5 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292359579 Nuevamente coincido con lo dicho por Pablo.
Quizas cuando tengas definida la respuesta a la pregunta anterior, esa decision tb te sirva para identificar cual es la tecnica mas conveniente (la aplicacion de algunas tecnicas esta condicionada por el formato de los datos, y muchas veces adaptarlos o modificarlos para hacerlos viables resulta muuuuy complejo).

]]> 2018-10-12 21:35:44 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292359579 rosanna5 https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292359882 Pablo ya contesto :)

]]> 2018-10-12 21:39:12 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/292359882 german_lescano https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/293313170 Como se plantea en el video, la construcción del dataset es el problema y emplear varios expertos para etiquetar grandes conjuntos de datos puede ser muy lento.
Una alternativa sería asignar etiquetas a los datos empleando varios servicios web que hacen análisis de sentimiento y a través de un sistema de votación otorgar el sentimiento a la sentencia.
De esta manera se podría crear un dataset para entrenar un clasificador.
Si bien al principio se emplean otros clasificadores, esto permite generar un clasificador propio y posteriormente evitarse el costo de tener que pagar un servicio de análisis de sentimiento.
Como sugiere Pablo, podría aleatoriamente tomarse una muestra de las etiquetas asignadas a los datos y expertos podrían corroborar las mismas. Si la mayoría esta de acuerdo se puede aceptar el etiquetado o sino el proceso se repite hasta que se reduzca el error.]]> 2018-10-16 13:22:26 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/293313170 german_lescano https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/293318407 Con respecto a la técnica quizá no se puede decir a priori cuál es la mejor para la situación que deseas estudiar. Más bien plantearía que realices una experimentación con distintas técnicas y resportes los resultados obtenidas por cada una. Por ejemplo, en análisis de sentimiento los algoritmos más empleados son SVM, Bayes, Máxima Entropía, Árboles de Decisión, Redes Neuronales.]]> 2018-10-16 13:30:10 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/293318407 german_lescano https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/293320870 Exactamente como menciona Pablo lás métricas empleadas son la de precisión, recall y f-measure. También se suele emplear la exactitud y el área bájo la curva de la relación entre precisión y recall.
Otra estrategia de evaluación a la mencionada por Pablo es emplear X-fold-cross-validation en el cual la idea es dividir al conjunto de datos en X subconjuntos, entrenar el clasificador con los datos contenido en los conjuntos 1,...,X-1 y validarlo con el X-ésimo conjunto. Esta es la técnica más empleada para validar los algorimtos de análisis de sentimiento.]]> 2018-10-16 13:33:25 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/293320870 german_lescano https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/293324132 Deberías tener en cuentas aspectos relacionados con el proceso de elegir las características de los textos que usarás para entrenar el clasificador. Este paso es muy importante influye en la calaidad del clasificador.
También tendrías que tener en cuenta el problema de disponer de conjuntos de datos desbalanceados.]]> 2018-10-16 13:37:40 UTC https://padlet.com/rojasramiro2987/4efa3g7jja4k/wish/293324132