Universidad Internacional Sek
Maestría en Tecnologías de Información
Análisis de Sentimientos en Texto en Aulas Virtuales
Pazmiño Cortez Cristian
e-mail: cpazmino.mti@uisek.edu.ec
Vásquez González Lenin
e-mail: lvasquez.mti@uisek.edu.ec
RESUMEN:
En este artículo se presenta el análisis de los
diferentes tipos de herramientas (algoritmos y
software) para analizar los sentimientos en texto en
entornos educativos, más específicamente en aulas
virtuales. En primer lugar se detallan antecedentes
históricos con el fin de entender de donde proviene
el término “análisis de los sentimientos” y cuáles
son los factores que influyeron para que se inicie el
estudio en este tema en particular. En segundo
lugar se detalla la clasificación y el diseño del
sistema y los diferentes tipos de algoritmos que se
utilizan. Finalmente se realiza un cuadro
comparativo de las herramientas para análisis de
los sentimiento en entornos virtuales con el fin
comprender la utilidad y el alcance de los mismos.
PALABRAS CLAVE: Análisis de sentimiento,
análisis de texto, selección de características,
CMC, Software para análisis de texto, Opinión de
los sentimientos.
ABSTRACT.
In this article we present the analysis of the different
types of tools (algorithms and software) to analyze
feelings in text in educational environments, more
specifically in virtual classrooms. In the first place
historical background is detailed in order to
understand where the term "analysis of feelings"
comes from and what are the factors that influenced
the beginning of the study in this particular topic.
Secondly, the classification and design of the
system and the different types of algorithms used
are detailed. Finally, a comparative table is made of
the tools for analyzing sentiment in virtual
environments in order to understand the usefulness
and scope of them.
Keywords. Sentiment analysis, text
analysis, feature selection, CMC, Text
analysis software, Sentiment opinion.
Año: 2017 Versión: 1.0
1 INTRODUCCIÓN
Recientemente, una cantidad cada vez mayor
de investigadores se han dedicado a desarrollar
métodos para reconocer sentimientos favorables y
desfavorables hacia temas específicos dentro de
textos en lenguaje natural. Las áreas de aplicación
para dicho análisis son numerosas y variadas,
desde el filtrado de grupos de noticias y el aumento
informativo de las respuestas de los motores de
búsqueda, hasta el análisis de las tendencias de
opinión pública y los comentarios de los clientes.
Para muchas de estas tareas, clasificar el tono de
la comunicación como generalmente positivo o
negativo es un paso importante. Hay una serie de
aspectos desafiantes de esta tarea. Las opiniones
en lenguaje natural a menudo se expresan de
maneras sutiles y complejas, presentando desafíos
que pueden no ser abordados fácilmente por los
enfoques simples de categorización de texto, tales
como n-gramas o enfoques de identificación de
palabras clave. Ir más allá de estos enfoques
puede implicar abordar la tarea en varios niveles.
Reconocer el impacto semántico de las palabras o
frases es una tarea desafiante en sí misma, pero
en muchos casos el sentimiento general de un
texto no es el mismo que el de los fragmentos
descontextualizados. Las revisiones negativas
pueden contener muchas frases aparentemente
positivas incluso si se mantiene un tono
fuertemente negativo, y lo contrario también es
común. Este artículo presenta un estudio de las
diferentes herramientas para realizar este análisis
de texto enfocado al entorno educativo, más
específicamente en Aulas Virtuales, se analizará
los diferentes tipos de algoritmos que usan
herramientas de software, para poner entender,
sintetizar y procesar los sentimientos.
2 ANTECEDENTES
Con la aparición del Internet en 1969 los grupos
extremistas empezaron a ver en este medio una
herramienta para promover el odio y la violencia [1].
Internet ofrece un medio de comunicación
omnipresente, rápido, económico y anónimo para
 Universidad Internacional Sek
Maestría en Tecnologías de Información
Año: 2017 Versión: 1.0

tales grupos. Zhou et al. en 2000 realizó un análisis 3.1 CLASIFICACIONES DE LOS
a profundidad de los sitios web de grupos SENTIMIENTOS
extremistas de EE. UU. [2] Y encontró evidencia
significativa de contenido relacionado con la
recaudación de fondos, la propaganda y el El análisis del sentimiento se refiere al análisis del
secuestro de personas de manera ilegal. Abbasi y texto basado en la dirección, es decir, el texto que
Chen en 2000 también corroboraron las señales del contiene opiniones y emociones. La clasificación
uso de la Web como medio de propaganda de los del sentimiento tiene varias características
grupos extremistas supremacistas y de Medio importantes, que incluyen varias tareas,
Oriente. [1] Estos hallazgos proporcionaron una características, técnicas y dominios de aplicación.
idea de las tendencias de uso de la web de grupos Según Abbasi et al. podemos clasificar los
extremistas; sin embargo, ha habido poco análisis sentimientos en texto como se muestra en la tabla
de foros web. Burris et al. 2005 reconoció la 1.
necesidad de evaluar el foro y el contenido de la
discusión en la sala de chat. [2] El análisis TABLA 1. Clasificación del Análisis de los
automatizado de foros web puede ser una ardua sentimientos [2].
tarea debido a los grandes volúmenes de
información ruidosa contenida en los archivos CMC
Tareas
(Comunicación Mediada por Computadora). [3] En
consecuencia, estudios previos han incorporaron
métodos manuales o semiautomatizados. El
Categoría Descripción Etiqueta
examen manual de miles de mensajes puede ser
un esfuerzo extremadamente tedioso cuando se Sentimientos positivos / negativos o
aplica a través de miles de publicaciones en foros. textos objetivos / subjetivos
Clases C1
Con el uso creciente de CMC, la necesidad de
técnicas automatizadas de clasificación y análisis Clasificación de documentos o nivel de
de texto ha crecido en los últimos años. Si bien oraciones/frases
Nivel C2
existen numerosas formas de clasificación de texto,
nos centramos en el análisis del sentimiento en Si la fuente u objetivo del sentimiento
aulas virtuales por dos razones. En primer lugar, el Origen/Desti es conocido o extraído
discurso web es rico en contenido relacionado con no C3
las opiniones y las emociones. En segundo lugar, el
análisis de este tipo de texto es muy relevante para
el uso estadístico, ya que el texto direccional juega Características

un papel importante en la influencia de las

percepciones y toma de decisiones de las
personas. Categoría Ejemplos Etiqueta

. Word / POS tag n-grams, patrones de

3 ANÁLISIS DE SENTIMIENTOS EN Sintáctico
frase, puntuación
F1
TEXTO
Etiquetas de polaridad, grupos de
evaluación, orientación semántica
Entre los años de 1992 y 1997 Hearst y Kessler et Semántico F2
al. iniciaron una investigación para clasificar el texto
según el sentimiento o el género identificando la Enlaces web, patrones de envío /
Basado en respuesta y citas de documentos
opinión de oraciones en documentos completos y
enlaces F3
los clasifican como positivos, negativos o neutrales.
[2]. Podemos distinguir dos técnicas principales Medidas léxicas y estructurales de
para el análisis de sentimientos de los textos: estilo
Estilístico F4
técnicas simbólicas y de aprendizaje automático. El
enfoque simbólico usa reglas y léxicos elaborados
Técnicas
manualmente, mientras que el enfoque de
aprendizaje automático utiliza el aprendizaje
supervisado para construir un modelo a partir de la
Categoría Ejemplos Etiqueta
recolección de datos, siendo los modelos
supervisados los más populares. Técnicas como SVM, NAÏVE de Bayes,
Aprendizaje etc.
Automático T1

Análisis de citas y patrones de envio /
Análisis de respuesta de mensajes
enlaces
Coincidencia de patrón de frase,
Puntuación recuentos de frecuencia, etc.
de similitud
Dominios
Categoría Descripción Etiqueta
Reseñas de productos, películas y
música
Comentarios
Discursos
Web Foros Web y blogs
Nuevos Artículos de noticias en línea y páginas
Artículos web
3.2 SELECCIÓN DE
CARACTERÍSTICAS PARA LA
CLASIFICACIÓN DEL ANÁLISIS DE
LOS SENTIMIENTOS
En una fase de preprocesamiento, los textos se
segmentan en oraciones. Los errores pueden
ocurrir aquí ya que los textos no siempre están
formados léxica y sintácticamente. En las
oraciones, reconocemos la entidad de interés. No
resolvemos los términos correlativos nominales (es
decir, pronombres y sinónimos), lo que podría
mejorar la asignación del sentimiento dentro de una
oración, y nos permitiría encontrar sentimientos
hacia la entidad a través de diferentes oraciones
que no mencionan explícitamente la entidad. Cada
oración está representada por un vector de
características que contiene características binarias
(aparición o no de una característica) o
características numéricas que representan la
frecuencia o el peso de una característica. A
continuación se detallan 3 características.
• Unigrams: estas son simplemente las palabras o
tokens que componen el vocabulario de las
oraciones aloja en una base de datos.
• Stems: La raíz es la parte base de una palabra,
que se obtiene al eliminar las terminaciones
morfológicas comunes de una palabra.
• Características del discurso: a menudo las
oraciones contendrán múltiples sentimientos, de los
cuales uno es claramente más importante, que se
Universidad Internacional Sek
Maestría en Tecnologías de Información
Año: 2017 Versión: 1.0
señala mediante conectores basados en el
discurso.
T2
4 DISEÑO DEL SISTEMA PARA
T3
ANÁLISIS DE LOS SENTIMIENTOS
Para realizar un diseño adecuado para el análisis
de sentimientos de texto en los diferentes sistemas
implementados definieron parámetros necesarios
que permiten obtener el resultado requerido.
Entre esta información se encuentran:
- Datos: Es la información necesaria para el
D1 estudio la misma que está almacenada en
una gran base de datos para su análisis
respectivo que contiene palabras
D2
clasificadas en sus correspondientes
categorías que pueden ser:
- Procesos lingüísticos estándar.
D3 - Procesos psicológicos.
- Relatividad
- Asuntos personales
- Clasificación de opiniones:
- Positiva y negativa
- Positiva, neutra y negativa
- Muy positiva, positiva, neutra,
muy negativa y negativa[4].
Una vez definidos los parámetros necesarios para
el estudio existen cuatro categorías de funciones
que han sido utilizadas para el análisis de
sentimientos que contienen características:
- Sintácticas: Estas contienen patrones de
frases, que representan la orientación del
sentimiento positivo o negativo, con el
análisis del sustantivo más el adjetivo
positivo / negativo de la frase.
- Semánticas: Incorporan información
manual, automática o semiautomática. es
decir contextos que rodean la información
- Basadas en enlaces: Utilizan enlaces /
citas para determinar los sentimientos de
los artículos y documentos de la web.
- Estilísticas. Incluyen atributos léxicos y
estructurales de varios estudios previos de
autoría estilométrica. [2].
4.1 DISEÑO DEL SISTEMA
Para el diseño del sistema es necesario llevar a
cabo la clasificación de sentimientos de texto, la
misma que dispone de dos pasos principales.
- Extraer un conjunto inicial de
características
- Realizar la selección de características.
En la extracción se deben incorporar características
sintácticas y estilísticas en el conjunto de atributos

de clasificación de sentimientos, estas funciones
deben ser lo más genéricas y aplicables posibles
en los idiomas que se va a realizar el estudio, así
como también determinar el tamaño del conjunto
de características iniciales [2].
La fase de selección de características también es
conocida como fase de preprocesamiento, los
textos se tokenizan y segmentan en oraciones, así
mismo los errores son más propensos en aparecer
en esta sección ya que los textos no siempre están
formados léxica y sintácticamente. En las oraciones
se reconoce la entidad de interés, no se resuelve
los términos correlativos nominales como
pronombres y sinónimos, que podrían mejorar la
asignación del sentimiento dentro de una oración, y
permitirían encontrar sentimientos hacia la entidad
a través de diferentes oraciones que no mencionan
explícitamente la entidad.[1].
Cabe mencionar que las características importantes
analizadas son fundamentales en todos los
estudios de análisis de sentimientos, ya que
definen el enfoque principal, así como la hipótesis
definida para dicho estudio.
5 ALGORITMOS Y SOFTWARES
PARA ANÁLISIS DE LOS
SENTIMIENTOS EN TEXTO.
Previo al desarrollo de cualquier aplicativo como
herramienta de análisis de sentimientos es
necesario realizar un estudio de los diferentes
algoritmos que se necesita implementar para
obtener el resultado más idóneo que permita
cumplir con la hipótesis planteada. Los resultados
obtenidos van a permitir mejorar continuamente los
temas tratados en las aulas virtuales.
5.1 ALGORITMOS PARA EL ANÁLISIS
DE SENTIMIENTOS
Algoritmo Genético Ponderado por Entropía
(EWGA).
1 también pueden seleccionarse bi-gramas (dos
Para una amplia gama de problemas de
optimización, los algoritmos genéticos han sido la
solución exitosa al ser aplicados en los campos del
diseño, la programación, el enrutamiento y el
2
control. En la extracción de datos, GA se puede
utilizar para optimizar los parámetros para otros
tipos de algoritmos de minería de datos o descubrir
el conocimiento por sí mismo. Las reglas que GA
encontró son generalmente más generales debido
1
EWGA - Entropy Weighted Genetic Algorithm
2 3
GA - Genetic Algorithm
Universidad Internacional Sek
Maestría en Tecnologías de Información
Año: 2017 Versión: 1.0
a su naturaleza de búsqueda global. Por el
contrario, la mayoría de los otros métodos de
minería de datos se basan en el paradigma de
inducción de reglas, donde el algoritmo suele
realizar un tipo de búsqueda local. La ventaja de
GA se vuelve más obvia cuando el espacio de
búsqueda de una tarea es grande. [6]
Algoritmo Naïve Bayes
Este algoritmo usa el teorema de Bayes aparece
por primera vez a finales de los ochenta con el
objetivo principal de comparar su capacidad
predictiva con la de métodos más sofisticados.[7]
Es uno de los métodos más usados en análisis de
sentimientos, debido a su fácil implementación y a
los buenos resultados obtenidos en la mayoría de
los casos, este método considera el texto como un
conjunto de palabras, donde la frecuencia de cada
una de ellas es esencial para clasificarlas, por lo
cual es importante tener un conjunto de
entrenamiento de gran tamaño ya que de este
conjunto dependerá la precisión de los resultados.
Algoritmo de máquinas de Soporte Vectorial
3
(SVM) .
Este algoritmo es bastante usado en la clasificación
y detección de sentimientos ya que se basa en
métodos kernel, los cuales toman los datos y los
ponen dentro de un espacio de características
apropiado, utilizando algoritmos lineales para
determinar patrones no lineales.
El método se basa principalmente en vectores
donde, usando aprendizaje computacional, logra
tomar decisiones de límite entre dos categorías
separándolas lo más posible [8]. Cada muestra se
le asigna un peso y un vector asociado que separa
los más posible los casos positivos de los
negativos, comúnmente los más usados son son
palabras unigramas a las cuales se les asigna un
peso durante la fase de aprendizaje, aunque
palabras juntas), tri-gramas (3 palabras juntas), la
categoría gramatical de la palabra, etc.
5.2 SOFTWARE PARA EL ANÁLISIS DE
SENTIMIENTOS EN TEXTO
Existen varios softwares para el análisis de
sentimientos .entre los cuales se mencionan los
siguientes:
SVM - Support Vector Machines
 Universidad Internacional Sek
Maestría en Tecnologías de Información
Año: 2017 Versión: 1.0

BUSCADOR LINGÜÍSTICO Y CONTADOR DE - Locuciones o expresiones: son

4
PALABRAS - LIWC
Software que provee una herramienta muy eficaz
para estudiar componentes emocionales, cognitivos
y estructurales contenidos en un texto. Este
software contiene un diccionario en español
compuesto por 7.515 palabras. Cada palabra se
puede clasificar en una o más de las 72 categorías
incluidas por omisión en LIWC.
Adicional las categorías se clasifican en cuatro
dimensiones:
- Procesos lingüísticos estándar.
- Procesos psicológicos.
- Relatividad.
- Asuntos personales.
Define la siguiente clasificación de opiniones:
- Positiva y negativa.
- Positiva, neutra y negativa.
- Muy positiva, positiva, neutra,
negativa y negativa.
Como herramienta principal para el análisis usa
5
WEKA la misma que está basada en JAVA,, utiliza
el árbol de decisiones J48, la red bayesiana - Naïve
Bayes, y el algoritmo SMO para clasificadores
SVM.[4].
6 HERRAMIENTA
SOFTWARE SENTITEXT
multipalabras que cada día están en
constante actualización, tiene alrededor de
17000 registros.
- Reglas de Contexto: es principalmente el
modificar la carga efectiva de una
expresión de acuerdo a estudios previos
realizados.
El proceso de análisis está compuesto de 4 partes:
- Etiquetado morfológico
- Asignación de valencias
- Aplicación de reglas de contexto
- Extracción de datos.
La forma de calcular dicho valor global es aplicando
una media aritmética ponderada, que se somete a
una modificación posterior basándose en un índice
afectivo.[9].
6 ANÁLISIS COMPARATIVO.
muy
En la tabla 2 se describe un breve análisis de las
diferentes herramientas para análisis de los
sentimientos en texto.
Tabla 2. Cuadro Comparativo de las
herramientas para el análisis de sentimientos en
texto.
NIVEL DE DETECCIÓN CAMPO DE
ACCIÓN

Esta herramienta ha sido desarrollada en base a un

ALGORITMO General debido a su Se puede utilizar
conjunto de aplicaciones para el análisis de GENÉTICO naturaleza de búsqueda para optimizar los
sentimientos en texto. es una aplicación cliente - PONDERADO POR global parámetros para
servidor, fue desarrollada en C++, haciendo uso de ENTROPÍA otros tipos de
(EWGA). algoritmos de
la librería de uso morfológico FREELING. la base
minería de datos o
de datos que utiliza es MySQL, entregando al descubrir el
cliente resultados en un ambiente gráfico [9]. conocimiento por sí
mismo

Es un software basado en conocimientos y se basa

ALGORITMO NAÏVE General ya que Clasificación de los
su estructura y funcionamiento en tres bases de
BAYES considera el texto como sentimientos en
datos que son: un conjunto de palabras, texto.
- Palabras: contiene más de 10000 donde la frecuencia de
entradas y a cada una de ellas se les ha cada una de ellas es
esencial para
dado una valencia que puede ser -2, -1, 1, clasificarlas
2 que corresponden a si es muy negativa,
negativa, positiva o muy positiva,
respectivamente, esta librería ha sido ALGORITMO DE Exhaustivo ya que Clasificación y
alimentada en base a las semántica de MÁQUINAS DE toman los datos y los detección de
SOPORTE ponen dentro de un sentimientos
varios textos de lengua general VECTORIAL (SVM). espacio de
características
apropiado, utilizando
4 algoritmos lineales para
LIWC - Linguistic Inquiry and Word Count,
5 determinar patrones no
WEKA - Waikato Environment for Knowledge Analysis / lineales
Entorno para análisis del conocimiento de la Universidad
de Waikato
6
SENTITEXT - Es una herramienta ha sido diseñada por
el grupo de Investigación de la UMA.
 Universidad Internacional Sek
Maestría en Tecnologías de Información
Año: 2017 Versión: 1.0

BUSCADOR Exhaustivo estudia Análisis de los 8 REFERENCIAS

LINGÜÍSTICO Y componentes siguientes procesos:
CONTADOR DE emocionales, cognitivos Procesos
PALABRAS - LIWC y estructurales lingüísticos [1] E. Boiy, & Moens y M. F., «A machine learning
contenidos en un texto. estándar. approach to sentiment analysis in multilingual
Procesos Web texts.,» pp. 526-558, 2009.
psicológicos.
[2] A. Abbasi, H. Chen y A. & Salem, «Sentiment
Relatividad.
analysis in multiple languages: Feature selection
Asuntos personales.
for opinion classification in web forums,» p. 12,
2008.
[3] B. Pang y L. Lee, «A Sentimental Education:
SOFTWARE Exhaustivo, analiza las Análisis de todo el Sentiment Analysis Using Subjectivity
SENTITEXT fuentes de conocimiento campo semántico
Summarization Based on Minimum Cuts,» p. 271,
léxico de un texto.
2004.
[4] M. Del Pilar Salas-Zárate, M. Rodríguez-García, &
R. Valencia-García,. Estudio de las categorías
LIWC para el análisis de sentimientos en español.
In TIMM (pp. 33-36). 2014.
[5] L. Lugo, Minería de Datos y Analítica del
7 CONCLUSIONES Aprendizaje para Mejorar el Desempeño
En el contexto actual, Internet se ha convertido en Estudiantil bajo la Modalidad b-learning: el Caso
una fuente masiva y continua de opiniones. Estas Plataforma Virtual de Fruticultura.
opiniones suelen estar contenidas en textos [6] L. Yang, D. Widyantoro, T. Ioerger, & J. Yen, An
entropy-based adaptive genetic algorithm for
escritos en lenguaje natural, ya sea en los reviews
learning classification rules. In Evolutionary
de productos escritos por clientes o por analistas Computation, 2001. Proceedings of the 2001
profesionales, en los foros públicos existentes de Congress on (Vol. 2, pp. 790-796). IEEE. 2001
diversas temáticas, en los blogs, redes sociales y [7] E. Fernández, Análisis de clasificadores
aulas virtuales en entornos educativos.. El acceso y bayesianos. Trabajo Final de Especialidad en
la explotación de estas nuevas fuentes de opinión Ingeniería de Sistemas Expertos. Escuela de
poseen un indudable atractivo para las Postgrado. Instituto Tecnológico de Buenos Aires.
administraciones, las empresas y los clientes. 2004.
[8] I. Eléctrico & L. M. García.. Análisis de
sentimientos y predicción de eventos en twitter.
En los últimos años, diversos investigadores del 2014
campo del Procesamiento del Lenguaje Natural se [9] A. Ortiz, A. Pozo & S. Sánchez.. Sentitext:
han centrado en estudiar el tratamiento sistema de análisis de sentimiento para el
computacional de las opiniones, los sentimientos y español. Procesamiento del Lenguaje Natural, 45,
otros fenómenos subjetivos contenidos en este tipo 297-298. 2010.
de textos. Muchas son las tareas que se han ido [10] J. Castro, Análisis de sentimiento y clasificación
definiendo en estos últimos años: clasificación de de texto mediante Adaboost Concurrente. 2016.
documentos basada en la opinión contenida en los
mismos, detección de la subjetividad las emociones
expresadas en los textos, clasificación de
documentos basada en la perspectiva política del
autor, etc.

Se ha observado que muchos personas han

demostrado que el empleo del análisis de
sentimientos resulta efectivo gracias a la selección
y aplicación adecuada de algoritmos eficientes para
el estudio correspondiente, y con el resultado poder
conducir a una mejora estadísticamente
significativa en la precisión de la clasificación de la
polaridad, teniendo en cuenta que en el futuro
siempre existirán investigaciones para el desarrollo
de nuevas técnicas de selección de parámetros, la
incorporación de otras fuentes de claves
contextuales además de la proximidad de las
oraciones, y la investigación de otros medios para
construir dicha información.