1. INTRODUCCIÓN

Hoy en día la cantidad de datos producidos a nivel mundial es muy alta. Por ejemplo, en la Internet se producen millones de datos debido a la utilización masiva de las redes sociales, servicios de mensajería, blogs, wikis, comercio electrónico, entre otros. Toda esta gama de datos es atractiva para diferentes estamentos comerciales, industriales y académicos ¹, pero la extracción y su respectivo procesamiento hacen que esta tarea sea muy compleja y difícil si se hace de forma manual.

Debido a lo anterior, existen las técnicas de procesamiento natural (PLN) y particularmente el análisis de sentimientos (AS). El AS busca analizar las opiniones, sentimientos, valoraciones, actitudes y emociones de las personas hacia entidades como productos, servicios, organizaciones, individuos, problemas, sucesos, temas y sus atributos ².

El AS ha mostrado una alta tendencia de investigación en los últimos años debido a la producción en gran escala de opiniones y comentarios por parte de usuarios activos en la Internet. Hasta ahora, la gran mayoría de trabajos de investigación involucran sistemas de AS en el idioma inglés. Por este motivo, la comunidad científica está interesada en trabajos diferentes a este lenguaje.

Los enfoques tradicionales para el AS tratan de detectar la polaridad global de una frase, un párrafo o un texto completo ³. Éstos se conocen como análisis a nivel de documento y buscan clasificar el sentimiento de todo un documento en positivo o negativo ⁴. Otros enfoques son a nivel de frase y a nivel de aspectos. El nivel de frase clasifica el sentimiento expresado en cada oración y el de aspectos lo clasifica con respecto a las características específicas de una entidad encontradas en cada frase. Los dos primeros enfoques, resultan a veces incompletos ante la realidad de las empresas u organizaciones que quieren saber en detalle el comportamiento de su producto ⁵. Este tipo de análisis no permite a las organizaciones tener la seguridad o la entereza de tomar algunas acciones correctivas o incluso la toma de decisiones estratégicas.

El AS a nivel de aspectos tiene como objetivo identificar las propiedades o características de un producto o una entidad y determinar la opinión o sentimiento expresado de cada aspecto de esa entidad. Un aspecto es un atributo o componente de una entidad, por ejemplo, la pantalla de un televisor o la calidad de las fotografías de una cámara. En la literatura existen dos subtareas importantes para hacer AS a nivel de aspectos ⁶. La primera tarea está relacionada en detectar los aspectos de una entidad en un texto dado y la segunda determinar el sentimiento asociado a ese aspecto ⁷. Por ejemplo, en la frase, "La calidad del sonido de este teléfono es increíble ", el aspecto es "sonido" y la entidad es "teléfono". El sentimiento asociado es "increíble" que es una calificación "positiva".

En cuanto a la detección de aspectos, muchos trabajos en la literatura trabajan con una lista predeterminada que permite su extracción de una forma más cómoda ⁸ y ⁶. Cuando esta lista de aspectos no existe se deben buscar mecanismos para hallar los aspectos de forma automática. Una de las propuestas cuando no está la lista, es el conteo de nombres y frases para calcular su frecuencia dentro de un documento ^{7), (9}. Este enfoque funciona aceptablemente pero se olvida de aquellos aspectos que no aparecen mucho en el texto. Otra propuesta aprovecha las relaciones entre sentimiento y aspectos ¹⁰ y ¹¹ el cual después de buscar los sentimientos, encuentra la relación con palabras o frases que puedan ser aspectos. Este enfoque se ha usado mucho en sistemas en el idioma ingles y depende mucho de un conjunto de recursos lingüísticos donde aparecen etiquetados un grupo de sentimientos. Otra propuesta se basa en modelos de aprendizaje supervisado que necesitan un conjunto previo de datos etiquetados para entrenamiento ^{12), (13), (14} y ¹⁵. Otro enfoque se basa en modelos estadísticos "Topic model" que se basan en principios basados en inferencia probabilística y se puede ampliar para modelar muchos tipos de información. Esto lo hace tener algunas debilidades que limitan su uso práctico en la vida real en aplicaciones de análisis de sentimiento. Para este enfoque se necesita un gran volumen de datos y una cantidad significativa de afinación con el fin de lograr resultados razonables. Si bien no es difícil para este enfoque encontrar temas frecuentes o aspectos de una colección de documentos grande, no es fácil de encontrar aquellos aspectos que son localmente frecuentes, pero a nivel mundial no son tan frecuentes.

Todos los enfoques anteriores no tienen en cuenta el significado de las palabras que representan los aspectos. Éstos son considerados simples "etiquetas" que no son situadas en el contexto de la opinión ni en el dominio de la entidad a la cual se está refiriendo. Teniendo en cuenta esto, este articulo busca indagar más acerca de las nuevas propuestas que tienen en cuenta el significado para la extracción de aspectos de forma automática, especialmente el uso de ontologías. Lo propuesto es un paso desde el enfoque tradicional basado en palabras hacia un modelo semántico para el procesamiento del lenguaje natural. Si bien el concepto semántico sólo recientemente ha comenzado a aplicarse en el análisis de sentimientos ¹⁶, este aporta de forma natural el conocimiento de sentido común, el general del mundo y el del dominio.

En la literatura se han abordado diferentes tipos de aplicaciones de la ontología en sistemas de análisis de sentimiento. Por ejemplo, han sido probadas para la detección de aspectos en ¹⁷ aportando sus estructuras semánticas al hallazgo de características precisas de las entidades de estudio. En otros trabajos como ^{18), (19), (20), (21} y ²² se han evidenciado la aplicación de ontologías para AS en comentarios en twitter, análisis de noticias financieras y opiniones de hoteles. En el contexto de esta propuesta, las ontologías consisten en especificaciones formales y explícitas que representan los conceptos de un determinado dominio y sus relaciones, es decir, son un modelo abstracto de un dominio, donde los conceptos utilizados están claramente definidos ²³. Estas ontologías son muy utilizadas en la llamada Web semántica para representar una base de conocimientos que involucra el trabajo de agentes inteligentes. Los componentes de una ontología según ²⁴ son:

El trabajo presentado en este artículo está motivado principalmente por la necesidad de indagar sobre las técnicas que se han aplicado en sistemas de análisis de sentimientos donde haya sido utilizada las ontologías para la detección de aspectos (características) de una entidad, que permitan dar las bases necesarias para la construcción de un modelo de AS a nivel de aspectos para el español .En las próximas secciones se aborda la metodología utilizada, los resultas encontrados y finalmente las conclusiones.

2. METODOLOGÍA

Para la realización de esta investigación se tuvieron en cuenta las siguientes fases:

3. RESULTADOS

A partir de los criterios y los trabajos seleccionados se realiza un análisis comparativo. La comparación se establece con algunas categorías determinadas en algunos criterios. Por ejemplo, en el criterio GA y DH se tienen las categorías de baja, media y alta. En el CO se establece SI es creada o NO. En el criterio UO se establece si se utiliza para analizar sentimiento o extraer aspectos. En la tabla 3 se muestra el resultado de la comparación.

De acuerdo al análisis comparativo, se pueden establecer los siguientes resultados: en cuanto al primer criterio establecido se encontró que de los trabajos estudiados se enfocan en un análisis de sentimientos a nivel de documento con un 60%, a nivel de aspectos con un 30% y no aplica en un 10% (figura 1). El grado de automatización es 60% un grado medio y 40% en un alto grado (figura 2).

Figura 1 Enfoques del análisis de sentimientos. 

Figura 2 Grado de automatización. 

Fuente: Elaboración propia.

En cuanto a la dependencia humana se tiene un 20 % en baja, 70% en medio, 10% en alta (figura 3). En cuanto a la creación de la ontología se encuentra que un 80% la crea y el otro 20% la reutiliza (figura 4).

Del idioma utilizado, sigue siendo el inglés el que más se trabaja con un 60%. En cuanto al idioma español existe un solo trabajo ²¹ que afirma trabajar con este, pero no se comprueba en el artículo. En cuanto a la utilización de la ontología se usa un 50% como analizador de sentimientos y un 50% como extracción de aspectos.

Referente al último criterio que está relacionado con la forma de extraer aspectos por los sistemas planteados, se encuentra que el 60% de las propuestas analizan primero la opinión, extraen palabras útiles que consideran aspectos y las buscan en la ontología. El 20% recorre la ontología y busca similitudes en toda la opinión y el 20% no la utiliza para extraer aspectos. Las propuestas que parten de la opinión, el 84% usan todas las palabras de la opinión y un 16% usa solo los sustantivos para buscarlos en la ontología. Para la comparación de las palabras en la ontología se utilizan las propiedades para comparar 20%, los conceptos (clases) 16% y un 50% utilizan todas las etiquetas de la ontología. Los que parten de la ontología utilizan el 100% todas las etiquetas de la misma. Es decir, conceptos, propiedades, relaciones e individuos.

Fuente: Elaboración propia. 

Figure 4 Creating Ontology. 

A partir de los resultados se logra percibir, que el uso de ontologías en el análisis de sentimientos se utiliza básicamente en dos frentes, en clasificar sentimientos y en la recuperación de aspectos o características de una entidad. Sin embargo, esta utilización de ontologías en AS todavía está en fase de exploración y quedan aún aportes considerables por hacer en esta área.

Adicionalmente encontramos una alta dependencia humana en la elaboración de los sistemas y la creación de la ontología. De todas maneras, el uso de ontologías es vital en la construcción de sistema AS especialmente en la extracción de características semánticas, aspecto olvidado por la mayoría de enfoques dedicados a AS.

Con estos resultados y teniendo en cuanta que la finalidad es el uso de la ontología para extraer características o aspectos, para luego integrarlos a un modelo de análisis de sentimiento a nivel de aspectos en español, se ha decidido tener en cuenta para el desarrollo del modelo los siguientes aspectos:

Para completar estas decisiones, se realizará el diseño de un modelo ontológico general para luego hacer experimentos con la implementación de una herramienta computacional que permita probar:

4. CONCLUSIONES