Análisis de Sentimientos de Tweets en Español Basado en Técnicas Aprendizaje Supervisado

Durante los últimos años, plataformas tales como Twitter o Facebook, han ganado fuerza y el número de personas que las usan ha crecido exponencialmente. En el año 2021 se envían de media alrededor de 500 millones de Tweets al día Twitter (2020). En este contexto, con tal cantidad de información, y gracias al aumento de la capacidad de procesamiento, muchas empresas, atraídas por las ventajas que conllevaba, han optado por minar información de estas redes sociales. Esto hace que el campo del Análisis de Sentimientos cobre gran importancia a la hora de obtener lo que la gente piensa acerca de algo. Este trabajo consiste en, dado un dataset de Tweets en castellano etiquetado con dos categorías (positiva y negativa) según el sentimiento del tweet, añadir una categoría más para ampliar la información que pudiera extraerse de los datos. En este paso de añadir la nueva categoría, se utiliza un etiquetador automático. Dado que los etiquetadores VADER y Textblob funcionan solo con textos en inglés, se hace una traducción con los traductores de Google y de Bing. Es decir, se prueban las cuatro combinaciones, y la mejor de estas es la que se usa finalmente para etiquetar esta nueva categoría. A continuación, se comprueba cual es el mejor número de palabras a la hora de crear la matriz TF-IDF, y a continuación se transforma el corpus a dicha matriz. Finalmente, se analiza una serie de clasificadores para obtener uno que sea capaz de predecir lo mejor posible la categoría a la que pertenece un tweet. Los resultados fueron los siguientes: la mejor combinación traductor-etiquetador fue el traductor de bing y el etiquetador VADER, obteniendo solo un 39,4% de tweets etiquetados como neutros, y un 67% de acierto con el dataset original. El mejor clasificador fue el Descenso del Gradiente Estocástico, el cual obtuvo una accuracy del 75,94%, una precision media del 76,53% y un recall del 74,5%