Operadores de uninorma para la agregación de puntajes a nivel de oración en análisis de sentimientos

Con el rápido crecimiento de la Web y sus usuarios en todo el mundo, la disponibilidad y utilidad de los comentarios de los usuarios han aumentado en los últimos años. Las técnicas de análisis de sentimientos se utilizan para extraer conocimiento valioso de este creciente volumen de información textual. Estas técnicas generalmente descomponen cada comentario en sus oraciones, detectan sus sentimientos y agregan estos sentimientos para calcular el sentimiento general que se transmite en el comentario. En este estudio, se propone un nuevo mecanismo de agregación a nivel de oración basado en operadores de uninorma para agregar el sentimiento a nivel de oración en una opinión a nivel de documento. Para mostrar la utilidad del método propuesto, se aplica a problemas de detección de polaridad y predicción de puntajes en cuatro grandes conjuntos de datos de reseñas en persa. Los resultados de implementación muestran que el método propuesto, en comparación con el método de agregación de Dempster-Shafer, logra un mejor rendimiento en la detección de polaridad, mientras que el método de Dempster-Shafer supera ligeramente al método propuesto en la tarea de predicción de puntajes.