Análisis de Sentimiento

El análisis de sentimiento, también llamado minería de opiniones, es la tarea del procesamiento del lenguaje natural que identifica y clasifica la carga emocional o la opinión que expresa un texto, normalmente como positiva, negativa o neutra. Sirve para saber, a escala, qué siente la gente sobre un producto, una marca o un tema.

Niveles de detalle

Se puede analizar con distinta granularidad. A nivel de documento, se asigna una polaridad global a todo el texto; a nivel de frase, a cada oración. El nivel más fino es el basado en aspectos, que distingue la opinión sobre cada característica: en «la batería es buena pero la pantalla es mala», detecta un sentimiento positivo hacia la batería y negativo hacia la pantalla.

Cómo ha evolucionado

Los primeros sistemas eran basados en léxicos: diccionarios que asignan una polaridad a cada palabra. Luego llegó el aprendizaje automático clásico —algoritmos como Naive Bayes o las máquinas de vectores soporte sobre representaciones tipo TF-IDF—. El salto de calidad lo trajeron el aprendizaje profundo, con las redes recurrentes, y desde 2018 los transformers como BERT, que capturan el contexto mucho mejor.

Sus retos

No es un problema resuelto. La ironía y el sarcasmo invierten el sentido literal de las palabras («qué bien, tres horas esperando»). La negación cambia la polaridad de una frase entera. El sentimiento depende del contexto y del dominio: una misma palabra puede ser elogio o crítica según dónde aparezca. Y hay textos con emociones mixtas que resisten toda etiqueta única.

Para qué sirve

Sus aplicaciones son muy comerciales: la monitorización de marca y la reputación, el análisis de reseñas de productos, los estudios de mercado, la atención al cliente y el análisis de redes sociales. En finanzas se usa incluso para medir el sentimiento del mercado a partir de noticias y publicaciones, como una señal más para la toma de decisiones. Documentación: estudio académico sobre análisis de sentimiento.