El documento describe el análisis de sentimientos en Twitter mediante modelos ocultos de Markov. Explica el proceso de extracción de tuits, identificación de palabras clave, cálculo de valencia y activación, construcción de la red y entrenamiento del modelo oculto de Markov para predecir el sentimiento de nuevos tuits. Concluye que los modelos ocultos de Markov capturan mejor los cambios en el sentimiento real que no siempre se refleja claramente en los tuits.

1. Análisis de sentimientos en Twitter mediante
modelos ocultos de Markov
Debashis Nascar, Miguel Rebollo y Eva Onaindía
@mrebollo

2. Importancia de los sentimientos

3. Miguel Rebollo (@mrebollo)
Análisis de sentimientos mediante HMM
Escenario
¿qué actividades realizas según el tiempo?

4. 70%
30%

5. 70%
30%
60%
40%
Modelo de Markov

6. ?
?
¿para qué sirve?

7. ¿y si no puedo ver qué tiempo hace?

8. 55%
40% 5%
si hace sol…

9. 10%
20%
70%
pero si llueve…

10. Modelo de Oculto de Markov (HMM)
20%
10%
70%55%40%
5%
70% 30%
60%
40%

11. +-

12. -
-
+
+

16. 1
extracción de tuits

17. 2
identificación de palabras

18. 3
cálculo de valencia y activación
(-­‐2,-­‐6)
(6, 12)
(9, 10)
(8, 9)
(6, 12)

19. 3
cálculo de valencia y activación

20. 3
cálculo de valencia y activación

21. 4
construcción de la red

22. 4
construcción de la red

23. 5
construcción de las secuencias

24. 6
entrenamiento

25. 7
validación

26. Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
Problema: inicialización
26
x x x x
xxx
?

27. Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
Métodos empelados
modelo de Markov (sin estados ocultos)
segmentación lineal
distintas proporciones entre tuits leídos
y escritos
inicialización aleatoria, con más
relevancia a sentimientos semejantes
27

28. Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
28

29. Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
29

30. Miguel Rebollo (@mrebollo)
Estudio de la evolución de eventos deportivos como una red social
Conclusiones
1. 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