Supón que eres un empresario que acaba de lanzar al mercado un nuevo producto, sería ideal poder conocer al instante las opiniones y reseñas de los consumidores sobre tu producto para saber que hay que mejorar o si va a fracasar.
A día de hoy esto es posible gracias al análisis de sentimientos, una práctica que se encarga de extraer información subjetiva usando técnicas de procesamiento de lenguaje natural, análisis de texto y lingüística computacional.

Esta práctica es muy útil no solo para empresarios, también para la atención al cliente en redes sociales y hasta permite prevenir suicidios en redes sociales.

En este tutorial trabajaremos con python usando una herramienta llamada NLTK para el análisis del texto y Vader y TextBlob para el de los sentimientos. Aunque como es habitual en el campo de la ciencia de datos existen diferentes modelos aplicables al problema que darán diferentes resultados.

Lo que si tiene que ser idéntico para todos los modelos es el conjunto de datos con el que se entrena y valida a este, ya que distintos datos proporcionan resultados muy distintos, además un exceso de variables en los datos podría causar problemas, a lo que se conoce en el ámbito como curse of dimensionality.

Por tanto las preguntas que nos surgen son las siguientes:

• Cuantos datos necesito
• Que cantidad de cada clase

Muy pocos datos o una cantidad no balanceada de clases puede producir sesgos en los resultados. Por ejemplo si hemos entrenado a nuestro modelo para que detecte frutas y sólo le hemos mostrado una pera es probable que erre cuando se le muestre una pera distinta a la original con la que se entrenó.

A continuación realizaremos el siguiente notebook que compara diferentes herramientas para el análisis de sentimientos.

• https://colab.research.google.com/github/littlecolumns/ds4j-notebooks/blob/master/sentiment-analysis-is-bad/notebooks/Comparing%20sentiment%20analysis%20tools.ipynb#scrollTo=GViIkW3ZkBQe

Además de los notebooks, aquellas aplicaciones que se alojan en servidores web y los clientes acceden a ellas mediante internet se les conoce como software como un servicio o software as a service. Algunos ejemplos de SaaS son el correo electrónico, el paquete de Microsoft Office, Netflix…

Estas aplicaciones también nos proporcionan herramientas para el análisis de sentimientos como es el caso de la página MonkeyLearn que además cuenta con una guía sobre el problema del análisis de sentimientos.

• https://monkeylearn.com/sentiment-analysis/

Como conclusión me gustaría realizar una reflexión, como hemos visto en este tutorial las empresas trackean nuestras redes sociales y perfiles en su propio beneficio, esta práctica mal empleada puede ser muy peligrosa ya que se puede violar fácilmente nuestra privacidad sin que nos demos cuenta. ¿Qué debería hacer la gente común? Ser más consciente de quién está usando tus datos y cómo. Hay que dedicar unos minutos a leer el trabajo de personas expertas y averiguar de qué estamos hablando realmente. Antes de entregar su vida y comenzar a compartir fotos de sus hijos, hágalo de manera informada. Si está de acuerdo con lo que implica y lo que podría significar más adelante, bien, pero al menos tenga ese conocimiento primero

Este tutorial ha sido desarrollado por Óscar Cabrera, graduado en matemáticas e informática, durante el programa de becas de formación práctica en 2021 del cabildo de Fuerteventura.