Enriquecimiento del modelo basado en reglas Vader a través de lexicones

Abstract

Hoy en día podemos apreciar que las redes sociales han tenido un gran impacto a nivel mundial, permitiendo compartir opiniones y emociones sobre diversos eventos sociales. Es por ello que han surgido diversos métodos computacionales capaces de analizar las opiniones y emociones compartidas por los usuarios de las redes sociales. Un ejemplo es el análisis de sentimientos. El análisis de sentimientos es una tarea contemplada dentro del procesamiento del lenguaje natural y el aprendizaje automático, que permite analizar las opiniones y emociones con el fin de conocer las principales necesidades de los usuarios. A través de los años se ha podido observar el desarrollo de diversos métodos computacionales de análisis de sentimientos. En esta tesis se analiza el método VADER. El método VADER se basa en reglas que clasifica las emociones de las opiniones de Twitter. El método utiliza un listado de palabras llamado lexicón, con el fin de clasificar las emociones que expresan las opiniones de Twitter. Existen diversos lexicones los cuales pueden enriquecer el método y obtener una mejor clasificación de emociones. Sin embargo, no se sabe cuál de los lexicones presentados en el estado de arte enriquezca mejor el método basado en reglas VADER. Se utiliza el corpus de la competencia internacional WASSA 2017 en el idioma inglés. En esta tesis se obtienen resultados del método VADER para 7 lexicones y 21 combinaciones de estos lexicones. Se realizan los experimentos con y sin preprocesamiento.