Implementación de un analizador de sentimiento para tweets

En las últimas décadas la forma en que los usuarios interactúan e intercambian opiniones ha cambiado. En concreto, las redes sociales nos han cambiado la vida a (casi) todos. En esta era de la información, en la que accedemos a ella casi instantáneamente, las redes sociales se han convertido en un medio habitual de expresión de todos. En ellas difundimos opiniones y reflexiones, tanto a nivel individual como colectivo. Utilizamos estas plataformas para expresar nuestras opiniones y emociones derivadas de todo tipo de eventos o situaciones, principalmente cuestiones políticas y sociales. Desde un punto de vista analítico, hay información en esos textos. Información sobre nuestras emociones y sobre cómo nos sentimos sobre temas específicos. En este entorno de proliferación de datos de opinión y emociones, surge el análisis de este otro tipo de datos: los expresados a través de un texto. Estos datos publicados a través de redes sociales (Twitter, Facebook, ...) son accesibles a través de sus correspondientes API (Application Programming Interface). Esto los hace susceptibles de análisis. El análisis de sentimiento es un área de rápido crecimiento debido a la disponibilidad de esta enorme cantidad de datos de texto. Se define como el análisis computacional de opiniones, sentimientos y emociones expresadas a través de un texto y es un área de constante crecimiento en el campo del aprendizaje automático. Extrae, por tanto, contenido subjetivo de un texto. Hay varios enfoques disponibles para estimar el sentimiento en el texto: enfoques de aprendizaje automático y enfoques basados en diccionarios. El objetivo principal de este proyecto es extraer el sentimiento detrás de datos recopilados de Twitter. Los tweets recogidos se clasificarán en positivos o negativos según su contenido sobre un tema determinado. El algoritmo de clasificación se elegirá de una lista de métodos de aprendizaje automático y enfoques basados en diccionarios. Una vez que esta clasificación esté disponible, se utilizará para calcular un índice de sentimiento sobre el Brexit, por mes y año, con el fin de construir series temporales que monitoricen la evolución de dicha opinión a lo largo de los meses. El análisis de las series temporales resultantes será el objetivo de otro Trabajo Fin de Grado desarrollado paralelamente a este para el Grado de Administración de Empresas. La temática de los textos seleccionados será El Brexit y dichos textos se recogerán de la plataforma Twitter, es decir, se seleccionarán tweets que tengan que ver con dicha temática.---ABSTRACT---For several decades the way in which users interact and exchange opinions has changed. Specifically, social networks have change (almost) everybody’s life. We use these platforms to express opinions and emotions arising from all kinds of events or situations, mainly political and social issues. Everybody sees our opinions and those opinions generate more. From an analytical point of view, there is information in those texts. Information about our emotions and about the way we feel about specific topics. This huge amount of information is waiting to be exploited and that is the main object of this project. These data published through social networks (Twitter, Facebook, ...) are accessible through their corresponding API (Application Programming Interface). This makes them susceptible to analysis. Sentiment analysis is an area of rapid growth because of the availability of this huge amount of text data. It is the computational study of opinions, sentiments and emotions expressed in text. A number of approaches to estimating sentiment in text are available: machine learning approaches and dictionary based approaches. Once a vast amount of text data has been recollected from Tweeter, the main goal of this project is to extract the sentiment behind it. Tweets collected will be classified in positive or negative according to its content on a given topic. The algorithm for classification will be chosen from a list of machine learning methods and dictionary based approaches. Once this classification is available, it will be used to compute a sentiment index on Brexit by month and year. Thus, time series describing the valence in public opinion will be created that monitor the sentiment on a monthly basis. These time series will be described and analyze in a twin Project to be defended parallel to this one to obtain a Degree in Business Administration (ADE in Spanish)