Prototipo de un clasificador de sentimientos para chats de atención al cliente en canales digitales del sector salud

Abstract

El presente trabajo evalúa el modelo Pysentimiento para extraer la polaridad (negativo, neutro o positivo) de mensajes que pertenecen a un canal digital del sector salud y propone un esquema compuesto por tres subsistemas para incrementar el rendimiento del clasificador de emociones: 1) aplicar el preprocesamiento correcto los mensajes del corpus; 2) generar una tabla de expresiones comunes que facilite la clasificación de mensajes con polaridad neutra (NEU) y 3) construir un sistema de alerta que permita a los analistas identificar cuándo la predicción de un sentimiento puede considerarse ambigua. El nuevo esquema, además de presentar un incremento en rendimiento, permite también gestionar la información con el objetivo de caracterizar los mensajes de canales digitales del sector salud, y por ende, facilitar la implementación de nuevos clasificadores de emociones. (Texto tomado de la fuente)

This paper evaluates a model called Pysentimiento to extract the polarity (negative, neutral, or positive) of messages that belong to a digital channel in the health sector. It also proposes a scheme made up of three subsystems to increase the performance of the sentiment classifier: 1) apply the correct preprocessing to the corpus messages; 2) generate a table of common expressions that facilitates the classification of messages with neutral polarity (NEU) and 3) build an alert system that allows analysts to identify when the prediction of a sentiment can be considered ambiguous. The new scheme, in addition to presenting an increase in performance, also makes it possible to manage the information in order to characterize the messages from digital channels in the health sector, and therefore, facilitate the implementation of new emotion classifiers.