Detección de estados de ánimo mediante sentiment analysis en hispanohablantes

Abstract

Esta investigación muestra la elaboración y validación de un modelo computacional diseñado para detectar los estados de ánimo, definidos en la teoría de Christophe André (2010), en hispanohablantes a partir de respuestas que ingresaron estos usuarios en formato de texto. Se emplea la Técnica de Reconocimiento de Palabras Clave –en inglés, Keyword Spotting Technique (KST) – para el tratamiento del texto, y la técnica de Análisis de Sentimiento –en inglés, Sentiment Analysis– basado en solo los conceptos del Procesamiento de Lenguaje Natural –en inglés, Natural Language Processing (NLP)– para el análisis textual. Se utilizó para la recopilación de conversaciones una aplicación móvil con interfaz de chatbot, y un bot que invita al usuario a dar detalles sobre su estado de ánimo a través de preguntas validadas por un experto. Como resultado de la prueba piloto de 30 conversaciones, y luego de la prueba final en la muestra de 49 conversaciones, se obtuvo una correcta clasificación del 70% de los casos, así como una propuesta para el tratamiento de textos en idioma español.

The following research shows the elaboration and validation of a computational model designed to detect Spanish speakers’ moods from answers entered by these users in text format. It was used the Keyword Spotting Technique (KST) for text treatment, and Sentiment Analysis based on only Natural Language Processing (NLP) concepts for text analysis. A mobile application with chatbot interface and a bot that invites the user to give details about their mood through questions validated by an expert, are the tools used to collect all the conversations. As a result of the pilot test of 30 conversations, and after the final test in the sample of 49 conversations, there is a correct classification of 70% of the cases, as well as a proposal for the treatment of texts in Spanish.