Nuevos Enfoques para la Detección Computacional de la Ironía en Redes Sociales

ES Esta tesis aborda la detección de ironía como un desafío lingüístico, computacional y social multifacético, considerando la variación multilingüe, la multimodalidad y el sesgo en los corpus de entrenamiento. La tesis propone una arquitectura LSTM con mecanismos de atención que integra rasgos lingüísticos y representaciones profundas para detectar la ironía y la sátira en Español. Introduce un nuevo modelo que combina transformers textuales y visuales para el análisis multimodal. Además, analiza el sesgo en los corpus de ironía, mostrando su efecto negativo en la generalización y mostrando mejoras tras su identificación y mitigacion.