Análisis de sentimientos en Twitter mediante HMM

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

4construcción de la red

5construcción de las secuencias

6entrenamiento

7validación


Estudio de la evolución de eventos deportivos como una red social

Problema: inicialización

26

x x x x

xxx

?



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



28



29



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

Análisis de sentimientos en Twitter mediante HMM

Technology

Transcript of Análisis de sentimientos en Twitter mediante HMM