Un modelo lingüístico de la URV permite evaluar el sentimiento de los textos en redes sociales

Se intenta determinar la actitud de una persona con respecto a un tema

TARRAGONA, 13 Feb. (EUROPA PRESS) -

Un equipo investigador del Departamento de Filologías Románicas de la Universitat Rovira i Virgili (URV) de Tarragona ha desarrollado una técnica con diferentes métodos matemáticos y lingüísticos que consigue modelar formalmente los enunciados evaluativos en redes sociales y captar o extraer el sentimiento o valoración que tienen.

El resultado de su investigación, que se ha realizado en colaboración con el centro de excelencia IRAFM de la República Checa, se ha publicado en la revista científica 'Mathematics', ha informado este lunes la URV en un comunicado.

Para analizar el sentimiento se utilizan herramientas computacionales que "detectan y evalúan el lenguaje valorativo, en términos de polaridad", es decir, que clasifican automáticamente los textos en función de la connotación positiva o negativa del lenguaje utilizado.

Con este análisis se intenta "determinar la actitud de una persona con respecto a un tema", que puede ser un juicio o evaluación, su estado afectivo (estado emocional del autor cuando escribe), o la intención comunicativa emocional (el efecto emocional que el autor intenta causar en el lector).

Los investigadores han apuntado a que el desarrollo de estas herramientas de análisis de sentimiento requiere de "modelos formales que puedan describir el lenguaje evaluativo en términos de que una máquina sea capaz de procesar".

MODELO PROPUESTO

El modelo que propone este equipo combina una gramática de propiedades que establece las restricciones o condiciones que una estructura lingüística debe cumplir para ser "adecuada".

También se presenta un modelo de lógica difusa, que permite "captar la vaguedad de expresiones" --como 'alto', que puede significar 130 o 220 centímetros--, así como determinar el grado de positividad o negatividad de una expresión --cualquier palabra puede ser más o menos positiva o negativa en función del contexto--.

Se prevé que este modelo "tenga múltiples aplicaciones y un impacto importante" en ámbitos como el 'data mining', herramientas de autoaprendizaje de lenguas o detectores automáticos de autoría; y próximamente el equipo investigador prevé llevar a cabo un proyecto con profesionales de la psicología, ingeniería computacional, lingüística y lexicografía para construir un conjunto de núcleos evaluativos que puedan aplicarse en los análisis de sentimiento.