El an\u00e1lisis de sentimiento, tambi\u00e9n conocido como opinion mining o miner\u00eda de opini\u00f3n, es un procesamiento del lenguaje natural (PNL)<\/strong> que permite identificar y extraer el tono, emociones e informaciones subjetivas de los textos que se encuentran en la Red.<\/p>\n\n\n\n Se puede aplicar a cualquier texto online donde los usuarios dejan opiniones: foros, redes sociales, comentarios de blogs, chatbots, etc.<\/p>\n\n\n\n Mediante esta metodolog\u00eda se busca conocer las actitudes, las opiniones y las percepciones de los usuarios en relaci\u00f3n con un sujeto concreto, ya sea un tema, un producto o una marca.<\/p>\n\n\n\n Esto sirve, por ejemplo, para que una empresa valore cu\u00e1l ha sido la acogida por parte de los consumidores de un nuevo producto que ha lanzado al mercado. Es un m\u00e9todo mucho m\u00e1s eficaz que realizar encuestas de opini\u00f3n.<\/p>\n\n\n\n A trav\u00e9s de algoritmos, los datos se procesan en base a unas reglas sem\u00e1nticas o a sistemas autom\u00e1ticos que aprenden de los datos para mejorar la interpretaci\u00f3n de estos. Esta metodolog\u00eda permite adem\u00e1s definir la polaridad, es decir la cantidad de positividad o negatividad del lenguaje analizado, expresado en 5 niveles: muy positivo, positivo, neutro, negativo y muy negativo. El lenguaje humano tiene muchos matices, expresiones variadas, tonos y diversidad de posibles interpretaciones de una palabra o frase que var\u00edan en relaci\u00f3n con el contexto.<\/p>\n\n\n\n Incluso es capaz de detectar la iron\u00eda, distinguir entre la expresi\u00f3n de un hecho objetivo o una opini\u00f3n subjetiva e identificar opiniones de acuerdo o desacuerdo.<\/p>\n\n\n\n Reacciones de Facebook y an\u00e1lisis de las emociones<\/strong><\/p>\n\n\n\n En 2016 Facebook a\u00f1adi\u00f3 en las publicaciones 5 reacciones m\u00e1s, que se sumaban al cl\u00e1sico y, hasta entonces, escaso bot\u00f3n de \u00abMe gusta\u00bb. A partir de ese momento, los usuarios pod\u00edan expresar sus emociones con un clic de manera m\u00e1s espec\u00edfica.<\/p>\n\n\n\n Pero, \u00bfc\u00f3mo decidi\u00f3 la red social cu\u00e1les eran las emociones correctas para a\u00f1adir?<\/p>\n\n\n\n Para determinar qu\u00e9 reacciones representaban las emociones mayoritarias de los usuarios, Facebook realiz\u00f3 un trabajo de an\u00e1lisis de sentimiento en su propia red social.<\/p>\n\n\n\n En primer lugar, analiz\u00f3 los comentarios de una sola palabra y comprob\u00f3 que eran muy reiteradas las onomatopeyas de risas, asombro y tristeza. Despu\u00e9s analizaron los comentarios con emoticonos para ver cu\u00e1les eran los m\u00e1s utilizados.<\/p>\n\n\n\n El resultado es una traslaci\u00f3n de la teor\u00eda de la polaridad con 5 niveles de emoci\u00f3n adaptado al ecosistema de Facebook y traducido en emoticonos: amor, risas, asombro, tristeza y enfado.<\/p>\n\n\n\n Cuando una empresa elabora un an\u00e1lisis de emociones en Facebook, se valoran los comentarios, pero tambi\u00e9n son muy interesantes los botones de las reacciones emocionales, ya que estas requieren un mayor grado de reflexi\u00f3n y participaci\u00f3n por parte del usuario que un like.<\/p>\n\n\n\n En este sentido, como marca podemos comprobar: – Cu\u00e1n af\u00edn es el contenido que generamos para nuestra audiencia.<\/p>\n\n\n\n El an\u00e1lisis de sentimiento sem\u00e1ntico: problemas y soluciones<\/strong><\/p>\n\n\n\n El an\u00e1lisis de sentimiento o emoci\u00f3n con enfoque sem\u00e1ntico se basa en la utilizaci\u00f3n de diccionarios de t\u00e9rminos a los que se les asigna un conjunto de valores para pesar su positividad, neutralidad o negatividad. Para elaborar estos diccionarios es necesario establecer las palabras clave asociables al contexto, considerando la polisemia y la sinonimia para no incurrir en errores t\u00edpicos, como confundir partido de f\u00fatbol con partido pol\u00edtico. Este sistema contempla tambi\u00e9n el procesamiento de t\u00e9rminos modificadores (de intensidad, como, por ejemplo, muy o poco) y t\u00e9rminos negadores (por ejemplo no o ninguno) que alteran el orden de la polaridad.<\/p>\n\n\n\n La complejidad del idioma provoca que haya posibles errores en la interpretaci\u00f3n y que en ocasiones pueda resultar complicado clasificar las emociones de manera autom\u00e1tica solo con ayuda de los diccionarios sem\u00e1nticos. Sin embargo, estos errores pueden corregirse f\u00e1cilmente. Paulatinamente se pueden a\u00f1adir tantos t\u00e9rminos como sea necesario para afinar el algoritmo hasta que la m\u00e1quina realmente \u2018entiende\u2019 el lenguaje.<\/p>\n\n\n\n De acuerdo con esto, cabe decir que el campo sem\u00e1ntico de las emociones no es siempre el mismo. Las expresiones que se utilizan para mostrar felicidad en un foro de maternidad ser\u00e1n muy diferentes a las utilizadas en la p\u00e1gina de un festival de m\u00fasica, aunque en ambos casos se identifiquen sentimientos que se clasifiquen como positivos. Del mismo modo, el lenguaje puede variar dr\u00e1sticamente seg\u00fan el perfil sociodemogr\u00e1fico del grupo de poblaci\u00f3n que se analice.<\/p>\n\n\n\n Una herramienta de an\u00e1lisis de sentimiento con enfoques sem\u00e1nticos que ejecuta de manera autom\u00e1tica se presenta como la opci\u00f3n con resultados m\u00e1s fiables. Dichos sistemas fundados en machine learning se adaptan r\u00e1pidamente al desaf\u00edo planteado, ya que dependen de un tratamiento avanzado del lenguaje que, al someterse a un aprendizaje autom\u00e1tico, es capaz de asignar valores de polaridad globales y por segmentos.<\/p>\n\n\n\n Ventajas del an\u00e1lisis de sentimiento<\/strong><\/p>\n\n\n\n La metodolog\u00eda sem\u00e1ntica de an\u00e1lisis de sentimiento posibilita un proceso de aprendizaje y optimizaci\u00f3n continuo acorde a los mensajes que generan una afinidad m\u00e1s alta para cada p\u00fablico. Esto va ligado necesariamente a una mejora del ROI publicitario.<\/p>\n\n\n\n Por otro lado, es capaz de procesar millones de mensajes que circulan en Internet en near real time con una fiabilidad en la interpretaci\u00f3n del mensaje de m\u00e1s de un 85%.<\/p>\n","protected":false},"author":4,"featured_media":1191,"template":"","category_insight":[56],"_links":{"self":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/insight\/1190"}],"collection":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/insight"}],"about":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/types\/insight"}],"author":[{"embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/users\/4"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/media\/1191"}],"wp:attachment":[{"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/media?parent=1190"}],"wp:term":[{"taxonomy":"category_insight","embeddable":true,"href":"https:\/\/apachedigital.io\/en\/wp-json\/wp\/v2\/category_insight?post=1190"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}![\"Image](\"https:\/\/apachedigital.io\/wp-content\/uploads\/2020\/10\/1_-IMmKRtBK84nMKTemtaI6w.png\")
– A qu\u00e9 emociones apelan los diferentes tipos de publicaciones.
– Qu\u00e9 formato de contenido favorece un tipo de respuestas u otras.<\/p>\n\n\n\n