¿Podrá la IA ser capaz de analizar los sentimientos de las publicaciones de Twitter?

En la actualidad, las tecnologías de análisis que brindan las herramientas computacionales de inteligencia artificial (IA) nos permiten (en teoría) detectar las emociones y sentimientos en las publicaciones de redes sociales como Twitter.

La aplicación de este tipo de tecnologías de inteligencia artificial es un gran atractivo para el marketing de empresas y marcas, permitiendo conocer y predecir más a fondo los intereses y emociones en cada publicación de los millones de usuarios del Internet. Además, son un gran atractivo para el sector político en épocas de campaña electoral, ya que permiten recolectar información masiva sobre las emociones de las personas en las redes sociales.

Cabe destacar, que las herramientas de análisis de datos por medio de las IA son de mucha utilidad para ciertos problemas de la vida cotidiana como la seguridad cibernética, la salud mental y la educación a distancia.

En la actualidad, existen diversas herramientas de análisis de datos a nivel macro como Hootsuite, Repustate y Octoparse. Sin embargo, hay aplicaciones especialmente diseñadas para redes sociales como Twitter, por ejemplo «Twitter Binder» que permite el análisis de etiquetas y la creación de tendencias.

Aplicaciones más populares para detectar sentimientos y emociones en redes sociales

Actualmente, existen una variedad de herramientas de IA que permiten analizar los sentimientos, la intención y emociones de las publicaciones de la red social Twitter. Entre algunos ejemplos tenemos:

• Twitter Sentiment Analyzer: Una herramienta prototipo que determina los sentimientos (positivos, negativos y neutros) de un tweet por medio de probabilidades y porcentajes.

• TopicFlower: Este software identifica sentimientos mixtos, además de considerar los emojis en las publicaciones. Esto último es un aspecto relevante, pues pueden decidir la polaridad de un texto y favorecer el sentimiento positivo o negativo.

• SentiStrenght: Es una aplicación que estima la fuerza del sentimiento positivo y negativo en textos cortos, con dos puntos fuertes de intensidad de sentimientos de -1 (no negativo) a -5 (extremadamente negativo) y de 1 (no positivo) a 5 (extremadamente positivo). La plataforma advierte, de que la detección no siempre es precisa, sino conjetural.

• MeaningCloud: La plataforma ofrece un análisis general del sentimiento de un texto, muestra el porcentaje de certeza de que un texto sea positivo o negativo. Además, añade funciones para detectar acuerdo o discrepancia en las polaridades, objetividad o subjetividad y presencia o ausencia de ironía.

• Natural Language Understanding: Esta aplicación tiene un enfoque general, es capaz de analizar textos, webs y redes sociales. Su escala de sentimientos va del -1 al 1, con valores negativos y positivos, cuanto más cercano a -1 o a 1, más intenso es el sentimiento del texto.

• Lingmotif: Es una herramienta desarrollada en la Universidad de Málaga, muestra el sentimiento positivo, negativo o neutro (en colores verde, rojo y sin color, respectivamente), añade un análisis de emojis, estructura de los mensajes y datos cuantitativos, posicionándose como una de las más integrales de la lista.

Los resultados no son precisos para las publicaciones de Twitter

Analizaremos la precisión de las herramientas de análisis antes mencionadas con algunas publicaciones de la red social Twitter, empezando con el siguiente tweet:

• ¿Qué opina Emmanuel Macron sobre la Web 3.0?

MeaningCloud concluye que el tweet es positivo con absoluta seguridad, con polaridades no discrepantes, siendo un texto sin ironía. Sin embargo, para TopicFlower, predomina el carácter negativo (49,64%; positivo 21,32%; neutro 21,31%; mixto 7,72%). 

Del mismo modo, NLU establece como sentimiento general el negativo (-0,29). Y más contundente aun, la herramienta Lingmotif lo detecta extremadamente negativo (0/100) e intenso (100/100).

Puede verse que ninguna de las herramientas de análisis, ni siquiera MeaningCloud, fueron capaces de detectar la ironía que está presente en el tweet.

Las tecnologías enfocadas en el análisis de sentimientos en redes sociales aún poseen diversas limitaciones

Actualmente, los progresos en este sector tecnológico del análisis de datos son bastante positivos, sin embargo, no brindan resultados útiles para redes sociales como Twitter. Por los momentos, las aplicaciones gratuitas poseen limitaciones y presentan problemas técnicos como Twitter Sentiment Analyzer que la mayor parte de tiempo no está disponible. Además, la mayoría de las aplicaciones de análisis de emociones para Twitter solamente están disponibles en inglés.

En las aplicaciones antes mencionadas es evidente la dificultad de detectar el lenguaje no literal y la intención del sentimiento (ironía).

Además, la idiosincrasia presente en la comunidad de Twitter (vehemencia emocional, coloquialidad, usuarios a menudo escondidos entre seudónimos y anonimato que se prestan al ingenio, humor, ambigüedad o ironía) dificulta aún más la funcionalidad de estas tecnologías frente a otras plataformas del Internet como Amazon o TripAdvisor, donde las opiniones de los usuarios son menos complejas de analizar. A esto se le suma, que no siempre resulta fácil distinguir una opinión de un sentimiento.

Por estos motivos, aún seguimos necesitando herramientas más avanzadas que logren destilar los sentimientos de los tweets de difícil interpretación.