Análisis de Sentimiento Explicable

El análisis de sentimiento explicable combina un modelo de clasificación de sentimiento —típicamente un transformador afinado como BERT o RoBERTa— con un método de explicación post-hoc o intrínseco (SHAP, LIME, visualización de atención o gradientes integrados) que revela qué palabras, frases o características impulsaron cada predicción. El objetivo es lograr tanto una alta precisión predictiva como justificaciones transparentes y auditables para cada etiqueta.