Sabemos cómo se siente Donald Trump sobre todos a través de Twitter, pero ¿cómo se sienten los usuarios de Twitter sobre Donald Trump?
Los informáticos de la Facultad de Ingeniería de la Universidad de Utah han desarrollado lo que llaman software de "análisis de sentimientos" que puede determinar automáticamente cómo se siente alguien en función de lo que escriben o dicen. Para probar la precisión del modelo de aprendizaje automático de este software,el equipo lo usó para analizar los sentimientos individuales de más de 1.6 millones y contando tweets geoetiquetados sobre las elecciones presidenciales de los Estados Unidos en los últimos cinco meses. Luego se examina una base de datos de estos tweets para determinar si los estados y sus condados se están inclinandohacia los republicanos o demócratas.
"Con el análisis de sentimientos, intentará predecir las emociones detrás de cada ser humano cuando él o ella está hablando o escribiendo algo", dice Debjyoti Paul, un estudiante de doctorado en la Facultad de Informática de la Universidad de Utah y el líder del proyecto junto conEl profesor asociado de la Facultad de Informática, Feifei Li, "con eso en mente, no solo estamos tratando de ver la información en los tweets. Estamos tratando de incorporar la emoción con la información".
Como resultado de su trabajo, el equipo ha creado un sitio web interactivo en www.estorm.org en el que los usuarios pueden averiguar si los tweets que salen de su estado y sus condados son más positivos o negativos para los republicanos o los demócratas durante cualquier período de tiempo definido desde el 5 de junio. Además, los datos pueden indicar el porcentaje de ambos positivosy tweets negativos hacia un partido político y cuando hubo un aumento de un tipo particular de tweet en los últimos cinco meses.
Algunos datos interesantes sobre las elecciones presidenciales de EE. UU. De este año basadas en una muestra de lo que la gente está twitteando:
• Según el número de tweets positivos publicados desde junio hacia cada partido, el modelo de computadora predice que Hillary Clinton ganará las elecciones presidenciales.
• Los republicanos enviaron 17% más tuits políticos que los demócratas.
• Delaware fue el único estado en el que la mayoría de los tweets de todos los condados del estado fueron positivos hacia el mismo partido, en este caso, los demócratas.
• Para los republicanos, Dakota del Sur tuvo el mayor porcentaje de condados en los que la mayoría de sus tweets fueron positivos para el partido 73 por ciento de los condados.
• La mayor oleada de tweets positivos para los republicanos fue durante la Convención Nacional Republicana el 18 de junio y cuando el video de Donald Trump alardeando sobre las mujeres a tientas se filtró el 7 de octubre presumiblemente los defensores de Trump tuitearon su apoyo a él.
• La mayor oleada de tweets positivos para los demócratas fue después de los dos últimos debates presidenciales y después de que el New York Times publicara su historia el 1 de octubre de que Donald Trump evitó pagar impuestos federales durante casi dos décadas.
• No solo el número de tweets positivos para los demócratas alcanzó su punto máximo después de los últimos dos debates y la historia de los impuestos federales de Trump, también fue cuando se publicaron los tweets más negativos sobre el Partido Demócrata.
Analizando los tweets
Paul y su equipo comenzaron con más de 250 millones de tweets publicados en todo el mundo del 5 de junio al 30 de octubre y luego eliminaron todos los tweets no políticos basados en un sistema de palabras clave que utilizan software avanzado. Se dejaron con más de 1.6millones de tweets políticos publicados en los EE. UU.
Luego, esos tweets se analizaron a través del software de "análisis de sentimientos" del equipo, donde se analizó cada tweet y se le asignó una puntuación de 0 a 1, donde 0 es el sentimiento más negativo, 1 es el sentimiento más positivo y 0.5 es neutral.luego se recopilan en una base de datos que puede calcular las inclinaciones políticas de un estado o condado en tiempo real en función de los tweets. La base de datos se actualiza constantemente con nuevos tweets. Para medir la precisión del modelo, el equipo comparó sus resultados con el New York TimesEl sitio web de pronóstico de elección de resultados y el análisis estado por estado fue muy similar.
"Creo que funciona muy bien. Coincide con los principales eventos que ocurrieron durante esta temporada electoral. Es un buen indicador de que los resultados son precisos", dice Li. "Esperamos desarrollar más mediciones científicas paraconfirme esta observación para un próximo trabajo, pero los primeros resultados son muy positivos "
Paul cree que su software de análisis de sentimientos podría usarse para reflejar con mayor precisión los sentimientos de las opiniones de origen público en Internet, por ejemplo, revisiones de productos en Amazon o reseñas de restaurantes en Yelp, en las que el software puede "profundizar en eldice oraciones individuales del texto "para determinar los verdaderos sentimientos de una persona sobre algo".
También dijo que los asistentes habilitados para voz como Siri de iPhone podrían usar dicho software para determinar mejor lo que el usuario quiere, no solo en función de lo que él o ella dice, sino de cómo lo dicen.
Fuente de la historia :
Materiales proporcionado por Universidad de Utah . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :