Clasificación de emociones en texto usando modelos de aprendizaje automático

Abstract

El presente trabajo desarrolla un sistema basado en aprendizaje automático para la transcripción de voz a texto y el análisis de emociones en interacciones telefónicas. La metodología aplicada integra técnicas avanzadas de procesamiento del lenguaje natural (NLP) y aprendizaje profundo, utilizando modelos preentrenados como BERT y SVM. El sistema propuesto incluye un pipeline automatizado que procesa grabaciones de audio, genera transcripciones textuales y clasifica emociones con alta precisión. Los resultados demuestran la eficiencia del sistema en términos de tiempo de respuesta y calidad de las transcripciones, aunque persisten desafíos en escenarios con ruido de fondo o emociones complejas. Este proyecto tiene aplicaciones significativas en sectores como atención al cliente, salud mental y análisis empresarial, ofreciendo una solución escalable y efectiva para gestionar grandes volúmenes de datos emocionales. Las recomendaciones incluyen mejoras en la personalización de los modelos y técnicas avanzadas de preprocesamiento para entornos ruidosos. This study develops a machine learning-based system for voice-to-text transcription and emotion analysis in telephone interactions. The applied methodology integrates advanced natural language processing (NLP) and deep learning techniques, utilizing pretrained models such as BERT and SVM. The proposed system features an automated pipeline that processes audio recordings, generates textual transcriptions, and classifies emotions with high accuracy. Results demonstrate the system's efficiency in response time and transcription quality, though challenges remain in handling background noise and complex emotions. This project offers significant applications in customer service, mental health, and business analysis, providing a scalable and effective solution for managing large volumes of emotional data. Recommendations include model personalization enhancements and advanced preprocessing techniques for noisy environments.