Identificación de emociones en textos de una red social ; Identification of emotions in texts of a social network

Las redes sociales se suelen utilizar para expresar opiniones sobre diferentes aspectos de la sociedad, como productos, servicios, política, celebridades, etc. Empresas, organizaciones y gobiernos han mostrado su interés en conocer las opiniones que los usuarios tienen sobre sus actividades o productos. Además de determinar si una opinión es positiva o negativa, resulta interesante establecer cuál es el sentimiento o emoción manifestada en la opinión. Identificar la emoción que un usuario expresa en un mensaje textual puede entenderse como clasificar o categorizar el mensaje según sus características. En este trabajo, se desarrolló un método para clasificar textos breves u opiniones de la red social Twitter según la emoción que expresan. En primer lugar, fue necesario estructurar los textos descartando las partes irrelevantes y tratando de mantener la mayor cantidad de información posible. Luego se utilizaron técnicas de aprendizaje automático para la generación de un corpus de opiniones etiquetadas. Por último, se aplicó un método de clasificación por ponderación con diccionarios léxicos asociados a tres valores emocionales: valencia, activación y dominancia. Social networks are often used to express opinions on different aspects of society, products, services, politics, celebrities, etc. Companies, organizations and governments have shown interest in knowing what users think about their activities or products. In addition to determining whether an opinion is positive or negative, it is interesting to determine what the feeling or emotion expressed in the opinion is. Identifying the emotion that a user expresses in a textual message can be understood as classifying or categorizing the message according to its characteristics. In this work, a method was developed to classify short texts or opinions of the social network Twitter, according to the emotion they express. First, it was necessary to structure the texts by discarding irrelevant parts, but trying to keep as much information as possible. Then, automatic learning techniques were used to generate a corpus of tagged opinions. Finally, a method of classification by weighting was applied with lexical dictionaries associated with three emotional values: valence, activation and dominance.Fil: Monge, Agustina. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.Fil: Amor, Matias Nicolas Lisardo. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.Fil: Talamé, María Lorena. Universidad Católica de Salta. Facultad de Ingeniería; Argentina.Fil: Cardoso, Alejandra Carolina. Universidad Católica de Salta. Facultad de Ingeniería; Argentina