Show simple item record


dc.creatorHenriquez Miranda, Carlos
dc.creatorGuzmán Luna, Jaime Alberto
dc.creatorSalcedo Morillo, Dixon David
dc.date.accessioned2019-05-08T16:14:24Z
dc.date.available2019-05-08T16:14:24Z
dc.date.issued2016-02-07
dc.identifier.issn11355948
dc.identifier.urihttp://hdl.handle.net/11323/3263
dc.description.abstractLa minería de opiniones (MO) 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 Internet. Las empresas y organizaciones en general están interesadas en conocer cuál es la reputación que tienen de sus usuarios en las redes sociales, blogs, wikis y otros sitios web. Hasta ahora, la gran mayoría de trabajos de investigación involucran sistemas de MO en el idioma inglés. Por este motivo, la comunidad científica está interesada en trabajos diferentes a este lenguaje. En este artículo se muestra la construcción de un sistema de minería de opiniones en español sobre comentarios dados por clientes de diferentes hoteles. El sistema trabaja bajo el enfoque léxico utilizando la adaptación al español de las normas afectivas para las palabras en inglés (ANEW). Estas normas se basan en las evaluaciones que se realizaron en las dimensiones de valencia, excitación y el dominio. Para la construcción del sistema se tuvo en cuenta las fases de extracción, pre procesamiento de textos, identificación del sentimiento y la respectiva clasificación de la opinión utilizando ANEW. Los experimentos del sistema se hicieron sobre un corpus etiquetado proveniente de la versión en español de Tripadvisor. Como resultado final se obtuvo una precisión del 94% superando a sistemas similares.es_ES
dc.description.abstractReceantly, the Opinions Mining (OM) has shown a high tendency of research due to large-scale production of opinions and comments from users over the Internet. Companies and organizations, in general terms, are interested in knowing what is the reputation they have in social networks, blogs, wikis and other web sites. So far, the vast majority of research involving systems MO in English. For this reason, the scientific community is interested in researching different to this language. This article is about the construction of a mining system views in Spanish based on comments given by different clients and hotels. The system works on the lexical approach using Spanish adaptation of affective standards for English words (ANEW). These standards are based on evaluations conducted in the dimensions of valence, arousal and dominance. For the construction of the system took into account the phases of extraction, preprocessing of texts, identification of feelings and the respective ranking of the opinion using ANEW. System experiments were made on labeling a corpus from the spanish version of Tripadvisor. As a result, precision exceeding 94% was obtained at similar systems.es_ES
dc.language.isospaes_ES
dc.publisherProcesamiento de Lenguaje Naturaes_ES
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectANEWes_ES
dc.subjectLexicones_ES
dc.subjectNLPes_ES
dc.subjectOpinion mininges_ES
dc.subjectSentiment analysises_ES
dc.subjectMinería de opiniónes_ES
dc.subjectAnálisis de sentimientoes_ES
dc.subjectlexicónes_ES
dc.subjectPLNes_ES
dc.titleMinería de opiniones basado en la adaptación al español de ANEW sobre opiniones acerca de hoteleses_ES
dc.title.alternativeOpinion mining based on the spanish adaptation of ANEW on hotel customer commentses_ES
dc.typeArticlees_ES
dcterms.referencesAnjaria, M. y R. M. Guddeti. 2014. A novel sentiment analysis of social networks using supervised learning. Social Network Analysis and Mining, 4(1), 1-15. Bradley, M. M. y P. J. Lang. 1999. Affective norms for English words (ANEW): Instruction manual and affective ratings. Technical Report C-1, The Center for Research in Psychophysiology, 1 - 45. Brody, S. y N. Elhadad. 2010. An unsupervised aspect-sentiment model for online reviews. Human Language Technologies: The 2010 Annual Conference of the North American Chapter of the Association for Computational Linguistics. del-Hoyo-Alonso, R., M. D. RodrigalvarezChamarro, J. Vea-Murguía, y R. M. Montañes-Salas. 2015. Algoritmo de ensamble con introducción de la estructura morfosintáctica para la mejora del análisis de opinión. TASS 2015. Fraga, I., M. Perea , J. Redondo, y M. Vila. 2005. Estudio normativo del valor afectivo de 478 palabras españolas. Psicológica: Revista de metodología y psicología experimental, 317- 326. García, A., S. Gaines, y M. T. Linaza. 2012. A Lexicon Based Sentiment Analysis Retrieval System for Tourism Domain. e-Review of Tourism Research, 39(10), 35-38. General Inquirer. 2015. Recuperado el 05 de 2015, de http://www.wjh.harvard.edu/~inquirer/ Gökçay, D., E. Işbilir, y G. Yıldırım. 2012. Predicting the sentiment in sentences based on words: An Exploratory Study on ANEW and ANET. Cognitive Infocommunications (CogInfoCom), 2012 IEEE 3rd International Conference on. IEEE, 2012. Greaves, F., D. Ramirez-Cano, C. Millett, A. Darzi, y L. Donaldson. 2013. Use of Sentiment Analysis for Capturing Patient Experience From Free-Text Comments Posted Online. Journal of medical Internet research, 15(11). Henriquez, C. y J. Guzmán. 2015. Extracción de información desde la web para identificar acciones de un modelo de dominio en planificación automática. Ingeniare, 23(3), 439-448. Hunter, J. 2000. JDOM. Recuperado el 01 de 06 de 2015, de http://www.jdom.org/ Hutto, C. y E. Gilbert. 2014. VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text. Eighth International AAAI Conference on Weblogs and Social Media. 2014. Jiménez, F., C. Vázquez, y L. Hernangómez. 1998. Adjetivos en castellano de contenido depresivo autorreferente y de contenido neutral: Normas de emocionalidad y frecuencia subjetiva de uso. Revista de psicopatología y psicología clínica, 199-215. Jiménez-Zafra, S. M., E. M. Martínez-Cámara, M. T. Martin-Valdivia, y M. D. MolinaGonzález. 2015. Tratamiento de la Negación en el Análisis de Opiniones en Espanol. Procesamiento del Lenguaje Natural, 37-44. LI, N. y D. D. Wu. 2010. Using text mining and sentiment analysis for online forums hotspot detection and forecast. Decision Support Systems, 48(2), 354 - 368. Liu, B. 2012. Sentiment Analysis and Opinion Mining. Synthesis Lectures on Human Language Technologies. LIWC. 2015. Recuperado el 06 de 2015, de http://liwc.wpengine.com/ Martin-Valdivia, M. T., E. M. Martínez-Cámara, J. M. Perea-Ortega, y L. A. Ureña-López. 2013. Sentiment polarity detection in Spanish reviews combining supervised and unsupervised approaches. Expert Systems with Applications, 4(10), 3934–3942. Medhat, W., A. Hassan, y H. Korashy. 2014. Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 1093-1113. Molina-González, M. D., E. Martínez-Cámara, M. Martín-Valdivia, y J. M. Perea-Ortega. 2013. Semantic orientation for polarity classification in Spanish reviews. Expert Systems with Applications, 40(18), 7250- 7257. Molina-González, M. D., E. Martínez-Cámara, M. Martín-Valdivia, y L. Ureña-López. 2014. Cross-Domain Sentiment Analysis Using Spanish Opinionated Words. 19th International Conference on Applications of Natural Language to Information Systems, 8455, págs. 214-219. Montpellier. Molina-González, M. D., E. Martínez-Cámara, M. Martín-Valdivia, y S. M. Jiménez-Zafra. 2015. eSOLHotel: Generación de un lexicón de opinión en español adaptado al dominio turístico. Procesamiento del Lenguaje Natural, 54, 21-28. Moreno, A., F. P Pineda Castillo, y R. H. Hidalgo García. 2010. Análisis de Valoraciones de Usuario de Hoteles con Sentitext. Procesamiento del Lenguaje Natural, 45, 31- 39. Padró, L. y E. Stanilovsky. 2012. FreeLing 3.0: Towards Wider Multilinguality. Proceedings of the Language Resources and Evaluation Conference (LREC 2012) ELRA. Pang, B. y L. Lee. 2008. Opinion Mining and Sentiment Analysis. Foundations and trends in information retrieval, 2(1-2) 1-135. Peñalver-Martínez, I. P., F. García-Sánchez, y R. Valencia-García. 2011. Minería de Opiniones basada en características guiada por ontologías. Procesamiento del Lenguaje Natural (46), 91-98. Redondo, J., I. Fraga, I. Padrón, y M. Comesaña. 2007. The Spanish adaptation of ANEW. Behavior Research Methods, 3, 39. Rill, S., D. Reinel, J. Scheidt, y R. V. Zicari. 2014. PoliTwi: Early detection of emerging political topics on twitter and the impact on concept-level sentiment analysis. KnowledgeBased Systems, 69, 24-33. Rodriguez, F. 2013. Cuantificación del interés de un usuario en un tema mediante minería de texto y análisis de sentimiento. Diss. Universidad Autónoma de Nuevo León. Salas-Zárate, M., E. López-López, R. ValenciaGarcía, N. Aussenac-Gilles, Á Almela, y G. Alor-Hernández. 2014. A study on LIWC categories for. Journal of Information Science, 40(6), 749-760. Sokolova, M. y G. Lapalme. 2009. A systematic analysis of performance measures for classification tasks. Information Processing and Management, 427 - 437. Turney, P. D. 2002. Thumbs up or thumbs down?: semantic orientation applied to unsupervised classification of reviews. Proceedings of the 40th annual meeting on association for computational linguistics. Stroudsburg, PA, USA. Vilares, D., M. A. Alonso, y C. GómezRodríguez. 2013. Clasificación de polaridad en textos con opiniones en espanol mediante análisis sintáctico de dependencias. Procesamiento del lenguaje natural, 13-20. Whissell, C. 2009. Using the revised dictionary of affect in language to quantify the emotional undertones of samples of natural language 1, 2. Psychological reports , 105(2), 509-521.es_ES
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesses_ES


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-ShareAlike 4.0 International
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-ShareAlike 4.0 International