Sentiment analysis of Twitter data during critical events through Bayesian networks classifiers
Resumen en español
El análisis de los sentimientos a través del aprendizaje automático con datos de Twitter se ha convertido en un tema popular en los últimos años. Aquí abordamos el problema del análisis de sentimientos durante eventos críticos como desastres naturales o movimientos sociales. Consideramos clasificadores de red bayesianos para llevar a cabo análisis de sentimientos en dos conjuntos de datos en español: el terremoto de 2010 en Chile y el referéndum de independencia de Cataluña de 2017. Con el fin de controlar automáticamente el número de aristas que se apoyan en los ejemplos de formación del clasificador de redes bayesiano, adoptamos un enfoque de factor Bayes para este fin, lo que da lugar a redes más realistas. Los resultados muestran la eficacia de la utilización de la medida del factor Bayes así como sus resultados predictivos competitivos cuando se comparan con las máquinas de vector de apoyo y los bosques aleatorios, dado un número suficiente de ejemplos de formación. Además, las redes resultantes permiten identificar las relaciones entre las palabras, ofreciendo información cualitativa interesante para comprender histórica y socialmente las principales características de la dinámica del evento.
Palabras clave en español
Clasificadores de red bayesianos, datos delitter, análisis de sensibilidad, factor Bayes, máquinas de vectores de apoyo, bosques aleatorios
Nombre de la revista
Future Generation Computer Systems 106: 92-104
DOI del artículo
https://doi.org/10.1016/j.future.2020.01.005
