Evidencia empírica del desempeño de clasificadores de texto: textos de la red social Twitter

Abstract

Actually, social networks have become an important source of communication worldwide. As social network services have been geographically expanding for a number of years, and increasingly penetrating into various segments of the population, the value of the information generated on this type of online platform is drastically. Nowadays it is necessary to carry out studies on how to develop and implement mining systems of opinion, additionally to documenting the effect of the pre-processing of the data, the emoticons by pointing out a feeling in the text and the selection of characteristics; in order to observe the performance of the text classification algorithms and carry out their implementation faster. Analysis of sentiment, within the area of study of Natural Language Processing, is the identification and extraction of opinions issued in texts with the aim of classifying them, using computational processing, according to the polarity of the emotions they express about certain objects, situations or people. In other words, it is the study that determines the opinion of people in social networks on a specific topic, predicting the polarity of users (in favor, against, neutral, etc.), including topics ranging from products, films, services to sociocultural interests such as elections, wars, football, etc. For this thesis project the following objectives are established: 1. The main objective of this work is to obtain an empirical evidence of the effect of such factors as: preprocessing of data, selection of features and use of emoticons in the opinion classification algorithms. 2. Provide information to identify the best performance of one classifier over the other, agree the data set used.

Actualmente, las redes sociales se han convertido en una importante fuente de comunicación a nivel mundial. Dado que los servicios de las redes sociales se expanden geográficamente desde hace varios años, cada vez en mayor medida, y penetran cada vez más en diversos segmentos de la población, el valor de la información que se genera en este tipo de plataformas en línea aumenta drásticamente. Hoy en día se hace necesario realizar estudios de cómo desarrollar e implementar sistemas de minería de opinión, además de documentar el efecto que tiene el preprocesamiento de los datos, los emoticonos al señalar un sentimiento en el texto y la selección de características; con el objeto de observar el desempeño de los algoritmos de clasificación de texto y llevar de forma más rápida su implementación. Análisis de Sentimientos, dentro del área de estudio del Procesamiento de Lenguaje Natural, consiste en la identificación y extracción de opiniones emitidas en textos con el objetivo de clasificarlos, mediante procesamiento computacional, según la polaridad de las emociones que expresan sobre determinados objetos, situaciones o personas. Dicho de otra manera, es el estudio por el cual se determina la opinión de las personas en las redes sociales sobre algún tema en específico, prediciendo la polaridad de los usuarios (a favor, en contra, neutro, etc.), abarcando temas que van desde productos, películas, servicios a intereses socioculturales como elecciones, guerras, futbol, etc. Para este proyecto de tesis se estableces los siguientes objetivos: 1. El objetivo principal de este trabajo es obtener una evidencia empírica del efecto que tienen factores como: el preprocesamiento de los datos, la selección de características y el uso de emoticonos en los algoritmos de clasificación de opinión. 2. Proporcionar información que permita identificar el mejor desempeño de un clasificador respecto del otro, de acuerdo al conjunto de datos utilizado