Análisis de Sentimiento Multimodal para Reseñas de PYMES Usando BERT y Fusión de Características Visuales

Este artículo propone un modelo híbrido de análisis de sentimiento multimodal diseñado para analizar reseñas de clientes en pequeñas y medianas empresas (PYMES). Las reseñas en línea en plataformas como sitios de comercio electrónico a menudo incluyen tanto descripciones textuales como imágenes subidas por los usuarios, proporcionando señales multimodales ricas para entender el sentimiento del cliente. El marco propuesto integra representaciones textuales contextuales derivadas de BERT con modelado secuencial utilizando BiLSTM y mecanismos de atención. Las características visuales se extraen de las imágenes de reseñas utilizando una red neuronal convolucional ResNet-50. Se emplea una arquitectura de fusión tardía con atención cruzada para combinar de manera efectiva las representaciones textuales y visuales. Los experimentos realizados en un conjunto de datos curado de 10,000 reseñas de clientes de PYMES demuestran que el modelo propuesto supera significativamente a los enfoques unimodales y a las arquitecturas multimodales de referencia. El sistema logra una precisión del 92.3% y un F1-score macro de 0.91, destacando la importancia de la alineación multimodal para las tareas de clasificación de sentimientos. Los resultados indican que incorporar pistas visuales junto con señales textuales puede mejorar sustancialmente el rendimiento del análisis de sentimientos en escenarios de reseñas de PYMES del mundo real. El marco ofrece un enfoque escalable para que las empresas comprendan mejor los comentarios de los clientes y mejoren la calidad de productos y servicios.