Rating sentiment in social media using a machine learning-based system

La expansión de la web 2.0 en los últimos años ha provocado un crecimiento exponencial de la información disponible en internet. Este fenómeno ha originado interés por el análisis de sentimientos, una tarea del procesamiento del lenguaje natural que identifica opiniones relacionadas con diferentes temáticas. Existen diferentes redes sociales donde los públicos expresan sus opiniones en tiempo real. De estas redes, Twitter y Facebook son las más destacadas, de manera que diariamente millones de personas interactúan entre sí, expresando mediante textos sus opiniones acerca de diferentes temas. Esto ha hecho que dichas redes se hayan convertido en focos de información que permiten conocer en tiempo real las opiniones que los usuarios expresan sobre una gran variedad de temáticas. Conocer el sentimientos que los públicos tienen acerca de algo, es muy importante tanto para empresas privadas como públicas, ya que permite conocer qué sienten los públicos respecto de sus productos, actuaciones, etc. Pero esto no es tarea sencilla, ya que hay que extraer, analizar y clasificar dicha información, haciendo uso de métodos que permitan determinar la positividad o negatividad de dichas opiniones. Todo este proceso es lo que se denomina análisis de sentimiento, el cual es el encargado de determinar la positividad o negatividad de la opinión expresada. Para ello, existen diferentes métodos basados, por ejemplo, en técnicas estadísticas como el clasificador Naïve Bayes, métodos basados en diccionarios, o métodos basados máquinas de vectores soporte (SVM). En este trabajo se propone un modelo de análisis de sentimiento basado en aprendizaje automático por medio de la técnica del clasificador Naïve Bayes y tomando como conjunto de datos de entrada al sistema textos de Twitter y Facebook del sector bancario