Ingeniero Civil Industrial / El siguiente trabajo tiene como objetivo general dise~nar e implementar un módulo clasificador de texto que permita identificar la presencia de ironía en el contenido generado por
usuarios de Twitter, mediante el uso de herramientas asociadas a Opinion Mining y Machine
Learning. La ironía es un fenómeno que forma parte del contenido generado por las personas
en la Web, y representa un campo de estudio nuevo que ha atraído la atención de algunos
investigadores del área de Opinion Mining debido a su complejidad y al impacto que puede
tener en el desempeño de las aplicaciones de Análisis de Sentimientos actuales. Este trabajo
de título se desarrolla dentro del marco de OpinionZoom, proyecto CORFO código 13IDL2-23170 titulado "OpinionZoom: Plataforma de análisis de sentimientos e ironía a partir de
la información textual en redes sociales para la caracterización de la demanda de productos
y servicios" desarrollado en el Web Intelligence Centre del Departamento de Ingeniería Industrial de la Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile, el cual
busca generar un sistema avanzado para analizar datos extraídos desde redes sociales para
obtener información relevante para las empresas en relación a sus productos y servicios.
La hipótesis de investigación de este trabajo dice que es posible detectar la presencia de
ironía en texto en idioma Español con cierto nivel de precisión, utilizando una adaptación
de la metodología propuesta por Reyes et al. (2013) en [5] la cual involucra la construcción
de un corpus en función de la estructura de Twitter junto con la capacidad de las personas
para detectar ironía.
El modelo utilizado se compone de 11 atributos entre los cuales se rescatan características
sintácticas, semánticas y emocionales o psicológicas, con el objetivo de poder describir ironía
en texto. Para esto, se genera un corpus de casos irónicos y no irónicos a partir de una
selección semiautomática utilizando una serie de hashtags en Twitter, para luego validar su
etiquetado utilizando evaluadores humanos. Además, esto se complementa con la inclusión
de textos objetivos como parte del set de casos no irónicos. Luego, utilizando este corpus, se
pretende realizar el entrenamiento de un algoritmo de aprendizaje supervisado para realizar
la posterior clasificación de texto. Para ésto, se implementa un módulo de extracción de
atributos que transforma cada texto en un vector representativo de los atributo. Finalmente,
se utilizan los vectores obtenidos para implementar un módulo clasificador de texto, el cual
permite realizar una clasificación entre tipos irónicos y no irónicos de texto. Para probar su
desempe~no, se realizan dos pruebas. La primera utiliza como casos no irónicos los textos objetivos y la segunda utiliza como casos no irónicos aquellos textos evaluados por personas como
tales. La primera obtuvo un alto nivel de precisión, mientras que la segunda fue insuficiente.
En base a los resultados se concluye que esta implementación no es una solución absoluta.
Existen algunas limitaciones asociadas a la construcción del corpus, las herramientas utilizadas e incluso el modelo, sin embargo, los resultados muestran que bajo ciertos escenarios
de comparación, es posible detectar ironía en texto por lo que se cumple la hipótesis. Se
sugiere ampliar la investigación, mejorar la obtención del corpus, utilizar herramientas más
desarrolladas y analizar aquellos elementos que el modelo no puede capturar.
Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/134793 |
Date | January 2015 |
Creators | Hernández Martínez, Víctor Alejandro |
Contributors | Velásquez Silva, Juan Domingo, Facultad de Ciencias Físicas y Matemáticas, Departamento de Ingeniería Industrial, Molina Jara, Francisco, Cabezas Bullemore, Alberto |
Publisher | Universidad de Chile |
Source Sets | Universidad de Chile |
Language | Spanish |
Detected Language | Spanish |
Type | Tesis |
Rights | Atribución-NoComercial-SinDerivadas 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0092 seconds