Análisis de Sentimientos: Introducción

¿Qué es el análisis de sentimientos?

    El análisis de sentimientos es una tarea de clasificación de textos y tiene múltiples usos. Supongamos que se tienen las siguientes criticas sobre una película:

• Decepcionante.
• Aburrida.
• Personajes memorables y bien desarrollados.
• Una gran puesta en escena que no defraudará.
• Increíblemente predecible.

    Todas estas criticas tienen un juicio de valor, que en principio podríamos decir que es: positivo o negativo.
 
    Podemos intentar aplicar este tipo de análisis a productos, tomemos, por ejemplo, una impresora y algunos aspectos de esta como:

• velocidad de impresión
• precio
• facilidad de uso
• soporte al cliente
• etc.

    Estos aspectos, también llamados atributos, tienen cada uno una clasificación asociada, la cual puede ser positiva o negativa. Google y Bing (en EEUU) tienen buscadores de productos donde, en base a la opinión de los usuarios, clasifican estos aspectos. Otro ejemplo es el clasificador de hoteles y lugares de hospedaje de hostelsclub.com:

    Pero el análisis de sentimientos puede ser usado para cosas más complejas que la clasificación de opiniones sobre productos o películas. Se lo ha utilizado, por ejemplo, para estimar la "confianza del consumidor". Según Wikipedia:

"La confianza del consumidor es un indicador económico que mide el grado de optimismo que los consumidores sienten sobre el estado general de la economía y sobre su situación financiera personal. Qué tan seguras se sienten las personas sobre la estabilidad de sus ingresos determina sus actividades de consumo y por lo tanto sirve como uno de los indicadores claves en la forma general de la economía."

¿Cómo fue posible usar el análisis de sentimientos par calcular este indicador? A través de Twitter, tomando los sentimientos de las personas en general, y puntuándolos en un rango de valores. El gráfico obtenido a través del tiempo fue cotejado con el gráfico de una encuesta realizada por la empresa estadounidense Gallup.

    La linea azul en el gráfico muestra los sentimientos en Twitter como positivos o negativos, y la linea negra muestra los datos obtenidos en la encuesta de Gallup. Como se puede ver la relación es bastante buena (0.804), esto sugiere que es posible utilizar Twitter para medir la opinión publica.

    Si aún no están convencidos de que el análisis de sentimientos combinado con Twitter es una herramienta poderosa, déjenme decirles que incluso ha sido utilizado para predecir el mercado de valores [1]. En este experimento se utilizaron dos herramientas para el seguimiento de estados de ánimo:

• OpinionFinder que mide opinión negativa versus opinión positiva y
• Google-Profile of Mood States (perfil Google de estados de ánimo) que mide el humor en termino de 6 dimensiones: calmado, alerta, seguro, vital, amable y feliz.

Se descubrió, entre otras cosas, que "la calma" podía predecir el Índice Dow Jones con 3 días de anticipación [1]:

    Afortunadamente ya existen varias aplicaciones que rápidamente nos permiten hacer análisis de sentimientos en Twitter sobre un tópico cualquiera, por ejemplo: Sentiment140

Pueden encontrar recomendaciones sobre herramientas similares en este blog:

 http://socialmouths.com/blog/2010/03/31/6-tools-for-twitter-sentiment-tracking/ 

El análisis de sentimientos es conocido también con otros nombres:

• Extracción de opinión (opinion extraction)
• Minería de opiniones (opinion mining.)
• Minería de sentimientos (sentiment mining, )
• Análisis de subjetividad (subjectivity analysis)

Entonces, ¿para qué podemos utilizar el análisis de sentimientos?

•  Películas: ¿Es esta critica positiva o negativa?

•  Productos: ¿Qué piensa la gente del nuevo iPhone?

•  Sentimientos públicos: ¿Cómo es la confianza del consumidor?, ¿crece de forma impar? , etc.

• Política: ¿Qué piensa la gente acerca de este candidato o de esta situación?

• Predicción: predecir el resultado de una elección o una tendencia de mercado a partir de los sentimientos.

Tipología de Scherer de los estados afectivos:

El psicólogo Klaus Scherer, definió la siguiente tipología de estados afectivos :

Emoción: Respuesta relativamente corta del organismo a estímulos externos. Ejemplos de emoción son la ira, la tristeza, la alegría, el miedo, la vergüenza, el orgullo, la alegría y la desesperación.

Estado de ánimo: sentimiento subjetivo de baja intensidad y larga duración. Ejemplos de estados de ánimo : alegre, triste, irritable, apático.

postura interpersonal: posición afectiva respecto a otra persona en una interacción especifica. Ejemplos de posturas interpersonales son: distante, frío, cálido, de apoyo y de desprecio.

Actitudes: preferencia o predisposición de una persona respecto a otras personas u objetos. Ejemplos de actitudes son: simpatía, amor, odio, deseo y valoración.

Rasgos de personalidad: tendencias en el comportamiento típico de una persona. Ejemplo de rasgos de personalidad: nervioso, ansioso, imprudente, taciturno, hostil, envidioso y celoso.

Cuando se realiza análisis de sentimientos, en verdad lo que se está haciendo es detectando actitudes, es decir se está detectando la "preferencia o predisposición de una persona respecto a otras personas u objetos"

Y en particular algunos (o todos) de los siguientes elementos de la actitud:

1. El portador de dicha actitud
2. El destinatario de dicha actitud.
3. El tipo de actitud:

• de un conjunto de actitudes candidatas: simpatía, amor, odio, deseo y valoración.
• o más comúnmente una polaridad ponderada: positiva, negativa o neutral (y a veces un valor)

4. El texto que contiene la actitud (documento u oración)

Resumen

• Una tarea sencilla de análisis de sentimientos consiste en:
• determinar si la actitud de un texto es positiva o negativa
• Una tarea un poco más compleja de análisis de sentimientos consiste en:
• puntuar la actitud de un texto de 1 a 5.
• Una tarea realmente avanzada de análisis de sentimientos consiste en:
• detectar el portador, el destinatario y el tipo de actitud de un texto.

Referencias:

[1]           BOLLEN, Johan; MAO, Huina; ZENG, Xiaojun. Twitter mood predicts the stock market. Journal of Computational Science, 2011, vol. 2, no 1, p. 1-8.