Hacia el Reconocimiento de Emociones en Datos Mezclados de Hindi-Inglés: Un Enfoque Basado en Transformadores

En los últimos años, la detección de emociones en el texto de redes sociales se ha convertido en un problema popular debido a su amplia aplicación en una mejor comprensión de los consumidores, en psicología, en la asistencia a la interacción humana con computadoras, el diseño de sistemas inteligentes, etc. Debido a la disponibilidad de grandes cantidades de datos de redes sociales, que se utilizan regularmente para expresar sentimientos y opiniones, este problema ha ganado gran atención. En este documento, presentamos un conjunto de datos de Hinglish etiquetado para la detección de emociones. Destacamos un enfoque basado en aprendizaje profundo para detectar emociones en tweets mezclados de Hindi-Inglés, utilizando incrustaciones de palabras bilingües derivadas de los enfoques FastText y Word2Vec, así como modelos basados en transformadores. Experimentamos con varios modelos de aprendizaje profundo, incluidos CNN, LSTM, LSTM bidireccional (con y sin atención), junto con transformadores como BERT, RoBERTa y ALBERT. El modelo BERT basado en transformadores supera a todos los demás modelos, ofreciendo el mejor rendimiento con una precisión del 71.43 %.