La automatización del análisis de sentimiento

El objetivo del análisis de los sentimientos es determinar la actitud, la opinión y el estado emocional que tiene una persona al escribir sobre un determinado tema. Si trasladamos este concepto a un punto de vista más amplio, el objetivo no es otro que cuantificar las impresiones y opiniones subjetivas que, ante una determinada marca, empresa o persona, tiene la audiencia de Internet en general y de las redes sociales en particular.

El análisis de sentimientos tiene una amplia aplicación práctica e incluye el trabajo en la clasificación de la subjetividad, la polaridad, la tonalidad o el análisis de la emoción. Pero a la hora de implementar modelos que nos permitan automatizar los procesos de análisis de sentimiento, debemos tener claro cómo vamos tratar los datos, cómo los vamos a extraer, cómo los vamos a revisar, cómo los vamos a etiquetar y cómo los vamos a almacenar.

Por tanto, a la hora de realizar un análisis de sentimiento, son dos, principalmente, las líneas de acción que podemos acometer:

• Cuantificar el sentimiento de la audiencia a través del tiempo.
• Recuperar ejemplos o resúmenes de confianza a lo largo de esas mismas dimensiones.

Pero a la hora de medir la eficiencia de una solución de análisis de sentimiento, es más complicado que la que cabría esperar, por varias razones:

• El sentimiento puede ser subjetivo. Sin embargo, distintas investigaciones han demostrado que sólo se da en la menor parte de los casos.
• Hay diferentes grados de sentimiento. Incluso si varias personas están de acuerdo en una etiqueta cualitativa (por ejemplo muy positivo), no existe una medida cuantitativa de lo que eso realmente significa.
• La evaluación de sentimiento depende en gran medida del contexto (por ejemplo, proximidad). La sentencia “Me encanta la Coca Cola, pero odio Pepsi” es positiva para Coca-Cola, pero negativa para Pepsi.
• La confianza también se puede medir en diferentes capilaridades. Por ejemplo, dado el contexto de una consulta o tema, el sentimiento se puede medir en el documento global, en un párrafo, en una oración, en un determinado nivel menor o mediante una combinación de todos ellos.

Al crear un modelo de análisis de sentimiento, el resultado quedará condicionado por el proceso de aprendizaje supervisado (entrenamiento previo) que hagamos del sistema. Vamos a requerir de una experiencia anterior y aplicar algoritmos que nos permitan establecer un modelo matemático generalizado en base a esa experiencia. El modelo resultante podrá, entonces, ser utilizado para hacer predicciones exactas o decisiones en un punto futuro o en diferentes datos (fase de predicción / de puntuación).

La calidad de nuestro modelo dependerá:

• De que los datos que el modelo tenga para “poder aprender” estén correcta y debidamente etiquetados y puntuados en función de su subjetividad (neutral frente a parcial) y de su polaridad (positiva, negativa o mixta).
• En la robustez del algoritmo o algoritmos que serán utilizados para derivar el modelo matemático. Hay dos grandes categorías de funciones que podremos utilizar en la concepción de los algoritmos: los derivados del procesamiento del lenguaje natural (NLP) y los derivados del análisis del contexto de los medios donde se publican.

Más información

Como en otras ocasiones, si te interesa conocer más información sobre este tema no dudes en contactar con nosotros para que te enviemos documentación adicional. Cuenta con Classora Technologies para estar informado sobre análisis de sentimiento y para estudiar las alternativas de modernización y rentabilización de medios digitales.