Diferencias

Muestra las diferencias entre dos versiones de la página.

--- materias:pln:2019:practico2_draft [2019/03/28 18:19] – francolq
+++ materias:pln:2019:practico2_draft [2019/04/01 19:00] (actual) – francolq
@@ Línea 1: / Línea 1: @@
-====== Trabajo Práctico 3 - Análisis de Sentimientos ======
+====== Trabajo Práctico 2 - Análisis de Sentimiento ======
-[[materias:pln:uba2018|(volver a la página principal)]]
+[[materias:pln:2019|(volver a la página principal)]]
-En este trabajo práctico implementaremos modelos de análisis de sentimientos y haremos algunos experimentos con ellos.
+En este trabajo práctico implementaremos modelos de análisis de sentimiento y haremos algunos experimentos con ellos.
-  * Repositorio: https://github.com/PLN-FaMAF/PLN-UBA2018.
+  * Repositorio: https://github.com/PLN-FaMAF/PLN-2019.
-  * Fecha de entrega: 6/03 a las 23:59.
+  * Fecha de entrega: 25/04 a las 23:59.
 ===== Instrucciones =====
-El código base para el proyecto se encuentra en el [[https://github.com/PLN-FaMAF/PLN-UBA2018|repositorio de la materia]].
+El código base para el proyecto se encuentra en el [[https://github.com/PLN-FaMAF/PLN-2019|repositorio de la materia]].
 La entrega del proyecto es a través de github. Por lo tanto, deben **hacer un "fork" del repositorio** dentro de sus cuentas de github.
@@ Línea 28: / Línea 28: @@
 ===== Ejercicio 1: Corpus de Tweets: Estadísticas Básicas =====
-El corpus InterTASS se compone de un conjunto de tweets en español, cada uno anotado con su polaridad general. Los valores posibles para la polaridad son los siguientes:
+Los corpus InterTASS 2018 se componen de conjuntos de tweets en español, cada uno anotado con su polaridad general. Los valores posibles para la polaridad son los siguientes:
   * ''P'': Polaridad positiva.
@@ Línea 37: / Línea 37: @@
 Puede encontrar una descripción más detallada del significado de cada etiqueta en [[https://cs.famaf.unc.edu.ar/~francolq/criterios_polaridad.pdf|este documento]].
-Programar un script ''stats.py'' que muestre las siguientes estadísticas básicas de la sección de entrenamiento del corpus InterTASS, y **por separado** para la sección de entrenamiento del corpus GeneralTASS:
+En InterTASS 2018 se proveen corpus de entrenamiento, desarrollo y evaluación para tweets de tres países: España, Costa Rica y Perú.
+Programar un script ''stats.py'' que muestre las siguientes estadísticas básicas de la sección de entrenamiento del corpus InterTASS:
   * Cantidad total de tweets.
   * Cantidad de tweets por cada valor de polaridad (''P'', ''N'', ''NEG'' y ''NONE'').
+Imprimir estas estadísticas para los tres corpus de InterTASS 2018.
 Documentación:
-  * [[http://www.sepln.org/workshops/tass/2017/|TASS Workshop 2017]]
+  * TASS:
+    * [[http://www.sepln.org/workshops/tass/2018/task-1|TASS 2018 Task 1]]
+      * [[http://www.sepln.org/workshops/tass/2018/task-1/private/evaluation/evaluate.php|Resultados]]
+    * [[https://competitions.codalab.org/competitions/21957|TASS 2019]]
   * [[https://cs.famaf.unc.edu.ar/~francolq/criterios_polaridad.pdf|Etiquetado de polaridad]]
-  * [[http://nbviewer.ipython.org/url/cs.famaf.unc.edu.ar/~francolq/An%C3%A1lisis%20de%20Sentimiento.ipynb|Jupyter notebook: Análisis de Sentimiento]]
+  * [[https://github.com/PLN-FaMAF/PLN-2019/blob/master/notebooks/04%20An%C3%A1lisis%20de%20Sentimiento.ipynb|Jupyter notebook: Análisis de Sentimiento (ejemplo visto en clase)]]
+  * [[https://github.com/DiploDatos/AprendizajeSupervisado/tree/master/sentiment|Caso de Estudio: Sentiment Analysis (Diplomatura Ciencias de Datos)]]