Análisis de sentimientos en Twitter mediante modelos ocultos de Markov
Debashis Nascar, Miguel Rebollo y Eva Onaindía@mrebollo
Importancia de los sentimientos
Miguel Rebollo (@mrebollo)
Análisis de sentimientos mediante HMM
Escenario
¿qué actividades realizas según el tiempo?
70%
30%
70%
30%
60%40%
Modelo de Markov
??
¿para qué sirve?
¿y si no puedo ver qué tiempo hace?
55%40% 5%
si hace sol…
10%20% 70%
pero si llueve…
Modelo de Oculto de Markov (HMM)
20%10%
70%55%40% 5%
70% 30%
60%
40%
+-
-
-
+
+
1extracción de tuits
2identificación de palabras
3cálculo de valencia y activación
(-‐2,-‐6)
(6, 12)
(9, 10)
(8, 9)
(6, 12)
3cálculo de valencia y activación
3cálculo de valencia y activación
4construcción de la red
4construcción de la red
5construcción de las secuencias
6entrenamiento
7validación
Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
Problema: inicialización
26
x x x x
xxx
?
Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
Métodos empeladosmodelo de Markov (sin estados ocultos) segmentación lineal distintas proporciones entre tuits leídos y escritos inicialización aleatoria, con más relevancia a sentimientos semejantes
27
Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
28
Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
29
Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
Conclusiones1. El sentimiento real a veces no se
refleja en los tuits 2. Los modelos ocultos de Markov
capturan mejor esta situación 3. funciona mejor cuando la
conversación no está polarizada en uno u otro sentido
30