Análisis de sentimientos en tweets de redes sociales utilizando reducción de dimensionalidad y procesamiento del lenguaje natural

Resumen Las redes sociales han sido adoptadas por diferentes personas como un medio de comunicación conveniente y oficial. La gente escribe o comparte mensajes y adjunta imágenes y videos en Twitter, Facebook y otras plataformas de redes sociales. Esto genera, por lo tanto, una gran cantidad de datos ricos en sentimientos. Se ha utilizado el análisis de sentimientos para determinar las opiniones de los clientes, por ejemplo, en relación con un producto o empresa en particular. Los enfoques de léxico y aprendizaje automático son las estrategias que se han utilizado para analizar estos sentimientos. Sin embargo, el rendimiento del análisis de sentimientos se ve distorsionado por el ruido, la maldición de la dimensionalidad, los dominios de datos y el tamaño de los datos utilizados para el entrenamiento y las pruebas. Este artículo tiene como objetivo desarrollar un modelo para el análisis de sentimientos de datos de redes sociales en el que se incorporan la reducción de dimensionalidad y el procesamiento del lenguaje natural con etiquetado de parte del discurso. El modelo se prueba utilizando algoritmos de Naïve Bayes, máquinas de soporte vectorial y K-vecinos más cercanos, y su rendimiento se compara con el de otros dos modelos de análisis de sentimientos. Los resultados experimentales muestran que el modelo mejora el rendimiento del análisis de sentimientos utilizando técnicas de aprendizaje automático.