Según apuntan sus
desarrolladores, el investigador Paolo Rosso y el doctorando
mexicano de la UPV, Antonio Reyes, el método está especialmente
indicado para el sector empresarial.
Las redes sociales son un termómetro perfecto para que compañías
como Twitter, TripAdvisor o Amazon pueden saber qué opinan los
consumidores sobre un determinado producto o sobre la propia empresa
en general.
“El hecho de que, hoy día, los sistemas automáticos de polaridad
(positiva contra negativa), ante una opinión irónica suelan fallar
(definen como positivas conversaciones que en realidad no lo son)
puede repercutir mucho en los resultados de una empresa”, explica
Paolo Rosso, investigador del Laboratorio de Ingeniería en Lenguaje
Natural de la UPV.
Por esta razón, los investigadores de dicha Universidad buscaron la
manera de calibrar con certeza los mensajes vertidos por los
usuarios en las redes sociales.
Buscando el núcleo de significado:
Para el desarrollo del método, el equipo del Lab LNE trabajó con un
conjunto de datos procedentes de diferentes redes sociales.
“Mediante el análisis de una serie de opiniones de clientes,
consideradas irónicas, tratamos de encontrar pistas sobre cómo hacer
frente a esta tarea desde un punto de vista computacional. Nuestro
objetivo era reunir un conjunto de elementos de discriminación que
representan a la ironía”, apunta Antonio Reyes.
Todo el proceso está sustentado en analizar lingüísticamente las
características que varios autores, expertos en la materia, ha
propuesto para describir la ironía.
“Dado que dichas características a menudo caen en cuestiones muy
abstractas que difícilmente podrían tener una formalización
computacional, lo que hacemos es traducir las características
abstractas de la ironía a patrones textuales, que nos permitan
representar el núcleo de significado y, sobre todo de uso, respecto
de este concepto”, señala Rosso.
La principal ventaja de este método recae en el hecho de que los
patrones de los modelos desarrollados por los investigadores de la
UPV buscan representar, de una forma lo menos abstracta posible, las
características de la ironía.
Asimismo, el hecho de que los modelos no se limiten a representar
ejemplos ad hoc, literarios o prototípicos de la ironía, aumenta sus
posibilidades de aplicación.
“Nuestro objetivo futuro es que la herramienta que desarrollemos
pueda detectar enunciados irónicos independientemente del tipo de
discurso o incluso de lenguaje; en este sentido, al basar nuestros
modelos en ejemplos coloquiales, producidos por usuarios reales en
contextos generalizables (por ejemplos, tweets, comentarios,
reseñas, etc.) procuramos que los escenarios de aplicabilidad no se
limiten a buscar enunciados irónicos en los textos de Quevedo, por
ejemplo, sino en textos más comunes como los que vemos todos los
días en Amazon o en e-bay”, añade Antonio Reyes.
El trabajo desarrollado los investigadores de la UPV ha sido
publicado en las revistas Data and Knowledge Engineering y Decision
Support Systems.
