Análisis de sentimientos y emociones sobre gastronomía peruana usando minería de texto con Python
Barra lateral del artículo
Contenido principal del artículo
Resumen
El objetivo del estudio fue mostrar el proceso de aplicación de técnicas de análisis de sentimiento, conocido también como minería de opinión (MO), para la clasificación de sentimientos y emociones en textos de opinión de manera automática. Como caso de estudio se presenta el análisis de sentimientos y emociones en reseñas, que provienen de TripAdvisor y Google, sobre la gastronomía peruana. Para la consecución del objetivo se han seguido las fases de extracción de la información (opiniones), preprocesado y clasificación; esto se complementa con el uso de librerías en Python disponibles, con especial énfasis en las que permiten el análisis sobre textos en español. Como resultado se muestra la utilidad de una librería disponible como software libre con muy buenos resultados constatados para la automatización del proceso de clasificación de reseñas. Por otro lado, se muestra que las opiniones acerca de la gastronomía peruana se clasifican como positivos con 68 % vs. 11% de reseñas clasificadas como negativas.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Citas
Blasco, M. (2020). Análisis de sentimiento de la agenda de los partidos políticos españoles en Twitter durante la Moción de Censura de 2018. Un enfoque de datos composicionales. Revista Mediterránea de Comunicación, 11(2), 185-198. https://dialnet.unirioja.es/servlet/articulo?codigo=7491324.
Cheng, A. (2023). Text Vectorization Using Traditional Methods. https://alvinntnu.github.io/NTNU_ENC2045_LECTURES/nlp/text-vec-traditional.html.
Dale, R. (2000). Symbolic Approaches to Natural Language Processing. En D. Robert, H. Moisi, & H. Somers, Handbook of Natural Language Processing. Marcel Dekker, Inc.
Ekman, P. (1999). Basic Emotions. En T. Dalgleish, M. J. Power, Handbook of Cognition and Emotion John Wiley & Sons Ltd. https://doi.org/10.1002/0470013494.ch3.
Guardia, S. (2020). Gastronomía Peruana Patrimonio Cultural de la Humanidad. Universidad de San Martín de Porres. https://catedraunesco.usmp.edu.pe/portfolio_item/gastronomia-peruana/.
Henriquez, C., Guzmán, J., & Salcedo, D. (2016). Minería de Opiniones basado en la adaptación al español de ANEW sobre opiniones acerca de hoteles. Procesamiento del Lenguaje Natural, 56, 25-32. https://www.redalyc.org/pdf/5157/515754423002.pdf.
Insua Yañez, A. (2019). Sistema Deep Learning para el análisis de sentimientos en opiniones de productos para la ordenación de resultados de un buscador semántico. [Tesis de Licenciatura, Universidade da Coruña]. http://hdl.handle.net/2183/25152.
Kaggle. (s.f.). Kaggle. https://www.kaggle.com/.
LI, L., LI, W., & CONG, D. (2019). Naive Bayesian Automatic Classification of Railway Service Complaint Text Based on Eigenvalue Extraction. Technical Gazette, 26(3), 778-785. https://doi.org/10.17559/TV-20190420161815.
Liu, B. (2010). Sentiment Analysis and Subjectivity. En N. Indurkhya, & F. J. Damerau, Handbook of Natural Language Processing. Chapman and Hall/CRC. https://www.cs.uic.edu/~liub/FBS/NLP-handbook-sentiment-analysis.pdf.
Martínez, E., Martín, M., Perea, J., & Ureña, L. (2011). Técnicas de clasificación de opiniones aplicadas a un corpus en español. Revista de Procesamiento del Lenguaje Natural, 47, 163-170. https://www.redalyc.org/pdf/5157/515751747017.pdf.
Moreno, A. (2019). El impacto de la gastronomía peruana en el turismo y el mercado del país [Tesis de Licenciatura, Universidad Santo Tomás]. http://hdl.handle.net/11634/17755.
Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends® in Information Retrieval, 2(1), 1-135. https://doi.org/10.1561/1500000011.
Perez, J., Rajngewerc, M., Giudici, J., Furman, D., Luque, F., Alemany, L., & Martínez, M. (2023). Pysentimiento: A Python Toolkit for Opinion Mining and Social NLP tasks. arXiv preprint arXiv:2106.09462. DOI: https://doi.org/10.21203/rs.3.rs-3570648/v1.
Weiss, S. M., & Indurkhya, N. (1998). Predictive Data Mining. A Practical Guide. Morgan Kaufmann Publishers, Inc.