El seminario "Análisis de sentimiento predictivo: Procesamiento del lenguaje natural con técnicas de aprendizaje automático en Python", impartido por el Dr. Carlos Arcila Calderón, se ha celebrado del 3 al 5 de julio en la Facultad de Ciencias de la Universidad de Salamanca, dentro del marco del programa de Doctorado en Formación en la Sociedad del Conocimiento.
Se trata de una formación innovadora dentro de las líneas de investigación que trabaja actualmente el Observatorio de los Contenidos Audiovisuales (OCA) y que ha contado con la asistencia de numerosos estudiantes del programa de Doctorado, así como docentes e investigadores de otras Universidades del páis, motivados por las enormes posibilidades que abre el uso de métodos computacionales aplicados a la comunicación.
Algunos contenidos que se han tratado a lo largo de los tres días de curso:
- Introducción a los métodos computacionales en la investigación en comunicación y al análisis de big data.
- Programación básica en Python.
- Recuperación de datos de Twitter (API Streaming y API REST).
- Técnicas básicas de procesamiento del lenguaje natural con la librería NLTK.
- Técnicas básicas de aprendizaje automática (machine learning) con la librería Sci-Learn.
- Análisis de sentimiento predictivo.
La formación se ha realizado en un Laboratorio de Informática de la Facultad de Ciencias para poder realizar in situ prácticas de programación básica, extracción de datos de Twitter en tiempo real, pruebas de aprendizaje automático y análisis de sentimientos del mensaje.
En relación directa con esta formación, hace unos meses tuvo lugar la presentación del proyecto Autocop, de los profesores Carlos Arcila y Félix Ortega, que permite clasificar los sentimientos políticos de mensajes lanzados en Twitter en español. Su tecnología está basada en el aprendizaje automático supervisado y se convierte en una útil herramienta llena de oportunidades de análisis para consultoras privadas, investigadores o los propios partidos políticos.
Más información:
Arcila, C.; Barbosa, E. & Cabezuelo, F. (2016). Técnicas Big Data: Análisis de textos a gran escala para la investigación científica y periodística. El Profesional de la Información, 25 (4), 623-631
http://dx.doi.org/10.3145/epi.2016.jul.12
