VADER: Un modelo parsimonioso basado en reglas para el análisis de sentimiento de textos en redes sociales

La naturaleza inherente del contenido en redes sociales plantea serios desafíos para las aplicaciones prácticas del análisis de sentimiento. Presentamos VADER, un modelo simple basado en reglas para el análisis general de sentimiento, y comparamos su efectividad con once referentes típicos del estado del arte, incluyendo LIWC, ANEW, General Inquirer, SentiWordNet y técnicas orientadas al aprendizaje automático que emplean algoritmos de Naive Bayes, Maximum Entropy y Support Vector Machine (SVM). Mediante una combinación de métodos cualitativos y cuantitativos, primero construimos y validamos empíricamente una lista estándar de características léxicas (junto con sus medidas asociadas de intensidad de sentimiento) específicamente ajustadas para el sentimiento en contextos tipo microblog. Luego combinamos estas características léxicas con la consideración de cinco reglas generales que encarnan convenciones gramaticales y sintácticas para expresar y enfatizar la intensidad del sentimiento. Curiosamente, utilizando nuestro modelo parsimonioso basado en reglas para evaluar el sentimiento de tweets, encontramos que VADER supera a calificadores humanos individuales (Precisión de Clasificación F1 = 0.96 y 0.84, respectivamente) y se generaliza mejor a través de contextos que cualquiera de nuestros referentes.