El análisis de sentimientos es un área importante de investigación en el procesamiento del lenguaje natural (NLP), y su subárea de detección de sarcasmo ha recibido un creciente interés en la última década. Muchos enfoques han sido propuestos, desde aprendizaje automático básico hasta soluciones de aprendizaje profundo multimodal, y se ha avanzado. El contexto ha demostrado ser fundamental para el sarcasmo y han surgido muchas técnicas que utilizan el contexto para identificar el sarcasmo. Sin embargo, ninguna investigación de NLP se ha centrado en la detección de sarcasmo-contexto como tema principal. Por lo tanto, este artículo propone un enfoque para la detección automática del contexto de sarcasmo, con el objetivo de desarrollar modelos que puedan identificar correctamente los contextos en los que puede ocurrir o ser apropiado el sarcasmo. Utilizando un conjunto de datos establecido, MUStARD, se entrenan múltiples modelos y se comparan para encontrar el mejor rendimiento para la detección de sarcasmo-contexto. Este modelo demostró ser una arquitectura de memoria a corto y largo plazo basada en atención que logra un puntaje F1 de 60.1. Además, se probó el rendimiento de este modelo en el conjunto de datos SARC y se comparó con otros resultados reportados en la literatura para evaluar mejor la efectividad de este enfoque. Se abren futuras direcciones de estudio, con la perspectiva de desarrollar un agente conversacional que pueda identificar e incluso responder al sarcasmo.