La expansión de la web 2.0 en los últimos años ha provocado un
crecimiento exponencial de la información disponible en internet. Este
fenómeno ha originado interés por el análisis de sentimientos, una
tarea del procesamiento del lenguaje natural que identifica opiniones
relacionadas con diferentes temáticas. Existen diferentes redes
sociales donde los públicos expresan sus opiniones en tiempo real. De
estas redes, Twitter y Facebook son las más destacadas, de manera
que diariamente millones de personas interactúan entre sí,
expresando mediante textos sus opiniones acerca de diferentes
temas. Esto ha hecho que dichas redes se hayan convertido en focos
de información que permiten conocer en tiempo real las opiniones
que los usuarios expresan sobre una gran variedad de temáticas.
Conocer el sentimientos que los públicos tienen acerca de algo, es
muy importante tanto para empresas privadas como públicas, ya que
permite conocer qué sienten los públicos respecto de sus productos,
actuaciones, etc. Pero esto no es tarea sencilla, ya que hay que
extraer, analizar y clasificar dicha información, haciendo uso de
métodos que permitan determinar la positividad o negatividad de
dichas opiniones. Todo este proceso es lo que se denomina análisis de
sentimiento, el cual es el encargado de determinar la positividad o
negatividad de la opinión expresada. Para ello, existen diferentes
métodos basados, por ejemplo, en técnicas estadísticas como el
clasificador Naïve Bayes, métodos basados en diccionarios, o métodos
basados máquinas de vectores soporte (SVM). En este trabajo se
propone un modelo de análisis de sentimiento basado en aprendizaje
automático por medio de la técnica del clasificador Naïve Bayes y
tomando como conjunto de datos de entrada al sistema textos de
Twitter y Facebook del sector bancario.
