SENTIMENT ANALYSIS ¿QUÉ ES Y PARA QUÉ SIRVE?

Abstract:

En este artículo vamos a realizar una introducción al denominado Sentiment analysis.  Este tipo de análisis está basado en un campo de la inteligencia artificial denominado procesamiento del lenguaje natural. En este texto se realizará una breve introducción a este concepto, se mostrarán algunos casos de uso y se mencionarán algunas librerías de Python que pueden ser de utilidad para adentrarse en este interesante campo.

Keywords: NLP, sentiment analysis, Python, innovación

Definición de Procesamiento de Lenguaje Natural

El gigante tecnológico Google(2022) ofrece la siguiente definición de procesamiento de lenguaje natural. ¨El procesamiento de lenguaje Natural, como rama de la Inteligencia artificial, utiliza el aprendizaje automático para procesar e interpretar textos y datos. El reconocimiento y la generación de lenguaje natural son tipos de Procesamiento de Lenguaje Natural¨.

¿Para que sirve el Procesamiento del Lenguaje Natural?

El procesamiento del Lenguaje Natural tiene una cantidad infinita de potenciales usos. A continuación, se enumeran algunos de ellos.

• Traducción de textos o audio en diferentes idiomas.
• Creación de chatbots y asistentes virtuales.
• Detección de Spam.
• Clasificación de contenido.
• Realizar resúmenes o sinopsis.
• Análisis de keywords.
• Análisis de Sentiment.

Definición de Sentiment Analysis

La empresa Gartner(2022) define Sentiment Analysis como ¨El uso del procesamiento del lenguaje natural, análisis de textos, lingüística computacional y biometría para identificar, extraer, cuantificar y estudiar de manera sistemática estados afectivos e información subjetiva¨.

Por lo tanto, el sentiment analysis procesa y analiza texto para detectar el contenido emocional del mismo. Explicado de forma simple, se descompone el texto en fragmentos más pequeños, se ignoran las palabras sin contenido emocional (¨stopwords¨) y contabiliza las palabras que expresan emocionalidad para ponderar si el texto tiene carácter positivo, negativo o neutro. Ejemplos de palabras con contenido emocional en lengua española podrían ser: risa,alegría,felicidad, llorar, odio, aburrimiento etc.

Una guía muy detallada sobre sentiment analysis puede encontrarse aquí.

Lenguajes de programación más utilizados

Como se ha mencionado previamente el análisis de sentiment se basa en el Procesamiento del Lenguaje Natural por lo que forma parte de la llamada ciencia de datos. Debido a ello, se recomienda utilizar los lenguajes de programación más comunes en datascience como Python y R ya que existen gran cantidad de librerías especializadas que permiten realizar este tipo de análisis. No obstante, también es posible realizarlo en otros lenguajes como JavaScript.

¿Existen Herramientas comerciales de NLP y Sentiment analysis?

Las principales empresas tecnológicas de servicios en la nube ofrecen servicios de Procesamiento de Lenguaje Natural. La mayoría de ellas dispone de herramientas gratuitas para usuarios individuales para crear sus propios modelos.

Sumado ello, en relación con el Análisis de Sentiment existen multitud de herramientas comerciales, ya creadas, que generalmente se comercializan como Software as a Service (SaaS). En la mayoría de los casos están enfocadas para los departamentos de marketing y comunicación de las empresas. Muchas de estas herramientas se centran en la monitorización de palabras clave de interés corporativo como el nombre de la marca o producto. Todo ello, con el fin de obtener métricas de interés para mejorar sus productos y servicios y responder a tiempo ante crisis reputacionales.

 Casos de uso del Sentiment Analysis:

• Finanzas: análisis de noticias para detectar tendencias en los mercados.
• Gestión de marca y reputación online.
• Marketing y comunicación.
• Desarrollo de Producto.
• Investigación académica.
• Seguridad.

Librerías de utilidad en Python:

Procesamiento de lenguaje natural:

Una de las librerías más conocidas para el Procesamiento de Lenguaje Natural, en el lenguaje de programación Python, es Natural Language Toolkit (nltk). Es gratuita, Open Source y tiene una amplia comunidad.

Esta herramienta puede emplear para un amplio abanico de tareas relacionadas con el procesamiento de lenguaje natural, entre ellas para sentiment analysis.

Visualización de los datos:

 Existen multitud de librerías para la visualización de datos en Python. Entre todas ellas, una de las librerías más famosas para la visualización de datos es matplolib. Esta librería, que como su nombre indica permite crear varios tipos de gráficas, puede ser utilizada para visualizar los resultados del Análisis de Sentiment.

Conclusión:

Como hemos podido ver en esta breve introducción, el Procesamiento del Lenguaje Natural en general y el Sentiment Analysis en particular son herramientas con una gran utilidad en multitud de campos. A día de hoy, existen muchas opciones para poder realizar este tipo de análisis, bien sea desarrollando un modelo propio, utilizando las potentes herramientas que ofrecen las grandes empresas tecnológicas o utilizando herramientas comerciales desarrolladas por terceros.

En este artículo además se han introducido dos librerías muy lenguaje de programación Python, nltk y matplotlib que son de gran utilidad para el Procesamiento de Lenguaje Natural y el análisis de sentiment.

Marcelo Ruano – Graduado en Criminología y Seguridad

Referencias:

Education, I., 2022. What is Natural Language Processing?. [online] Ibm.com. Disponible en: <https://www.ibm.com/cloud/learn/natural-language-processing> [Acceso 1 Junio 2022].

Gartner. 2022. Definition of Sentiment Analysis – Gartner Finance Glossary. [online] Disponible en: <https://www.gartner.com/en/finance/glossary/sentiment-analysis> [Acceso 1 Junio 2022].

Google Cloud. 2022. ¿Qué es el procesamiento del lenguaje natural?  |  Google Cloud. [online] Disponible en: <https://cloud.google.com/learn/what-is-natural-language-processing?hl=es> [Acceso 1 Junio 2022].

Matplotlib.org. 2022. Matplotlib — Visualization with Python. [online] Disponible en <https://matplotlib.org/> [Acceso 1 Junio 2022].

Monkey Learn. 2022. Sentiment Analysis: A definitive Gide. [online] Disponible en: <https://monkeylearn.com/sentiment-analysis/> [Acceso 1 Junio 2022].

Nltk.org. 2022. NLTK :: Natural Language Toolkit. [online]: Disponible en :<https://www.nltk.org/> [Acceso 1 Junio 2022].