Aprendizaje y predicción de variables léxico-afectivas en Semántica Distribucional

GONZÁLEZ, M. A. ; PASSONI, I.; YERRO, M.; VIVAS, J.

Mar del Plata

Jornada; Investigar UNMDP 2020; 2020

Secyt UNMDP

El presente trabajo explora la posibilidad de estimar dos variables altamente estudiadas en normas léxico-afectivas, como lo son la valencia y la activación (arousal), a partir del análisis de coocurrencias dentro de un gran corpus lingüístico en idioma español. Utilizando los datos de valencia y arousal extraídos de Redondo et al. (2007). Estos autores han realizado la adaptación española del ANEW (Affective Norms for English Words), y la misma cuenta con valores normativos de valencia y arousal para 1034 palabras, además de otros índices psicolingüísticos. Para el procesamiento computacional de las palabras, se utilizó un modelo pre-entrenado de FastText (Grave et al., 2018). FastText es una librería utilizada para representación y clasificación de textos. Para el presente trabajo se utilizó únicamente su sistema de representación. El mismo transforma a cada palabra en un vector, que puede utilizarse posteriormente para procesamiento computacional de textos. Utilizando los vectores de FastText para cada una de las palabras utilizadas como datos de entrada, y sus valores correspondientes de valencia y arousal como datos de salida, se procedió a entrenar una red neuronal. Del conjunto de datos, se apartó un 15% de palabras como conjunto de prueba. Los resultados indican:? Los valores de correlación entre los valores esperados y obtenidos, son próximos a los hallados entre normas en diferentes poblaciones lingüísticas. ? Es posible afirmar entonces que los modelos de semántica distribucional son capaces de representar aspectos léxico-afectivos generalizados de las palabras de una lengua.? Queda pendiente para futuros trabajos la exploración de la representación de otras variables afectivas, y la constitución de normas computacionalmente derivadas para conceptos que no dispongan de valores normados asociados.