Predicting emotion reactions in social networks to news articles
Fecha
2020-01-10Registro en:
Juárez Gambino, Joel Omar. (2019). Predicting emotion reactions in social networks to news articles (Doctorado en Ciencias de la Computación). Instituto Politécnico Nacional, Centro de Investigación en Computación, México.
Autor
Juárez Gambino, Joel Omar
Institución
Resumen
RESUMEN:
La popularidad de los medios de comunicación social como Twitter, han provocado que medios tradicionales como el periódico utilicen este servicio para publicar sus noticias. Los usuarios de Twitter pueden publicar una respuesta que exprese su sentir después de leer una noticia. El contenido de estas respuestas suelen tener una carga emocional. Mediante el análisis de estas respuestas, es posible determinar la polaridad de opinión, así como las emociones expresadas por los usuarios. En este trabajo se propone un método para predecir la reacción emocional que los usuarios expresan después de leer una noticia. Esta tarea se considera como un problema de clasificación y se sigue un enfoque supervisado. Se creó un corpus en español de noticias y respuesta de usuarios de Twitter, en el que después un grupo de anotadores etiquetó las emociones expresadas por los usuarios en sus respuestas. Este corpus fue utilizado para entrenar a un algoritmo de Aprendizaje Automático, con el fin de generar un modelo que permita predecir las reacciones emocionales de nuevas noticias. Los usuarios de Twitter pueden expresar más de una emoción en sus respuestas, por lo cual en este trabajo se maneja esta característica mediante una estrategia de clasificación multi-meta. El uso de esta estrategia permite que una instancia (noticia) tenga más de una clase asociada (emociones expresadas por lo usuarios). Adicionalmente, la estrategia multi-meta hace posible determinar no sólo las emociones expresadas por los usuarios, sino la intensidad de éstas.
ABSTRACT:
The popularity of social media like Twitter, has caused that traditional media such as news papers use this service to publish their news articles. Twitter users can post a reply to express what they feel after reading a news article. These replies usually have emotional content. By analyzing these responses, it is possible to determine the sentiment polarity, as well as the emotions expressed by users. In this work we propose a method to predict the emotional reactions that users express after reading a news article. We consider this task as a classification problem and we follow a supervised approach. A corpus of Spanish news articles and Twitter user’s replies was created, and then a group of annotators tagged the emotions expressed in the replies. This corpus was used to train a Machine Learning algorithm, in order to generate a model to predict the emotional reactions of unseen news articles. Twitter users can express more than one emotion in their replies, so in this work we deal with this characteristic through a multi-target classification strategy. The use of this strategy allows an instance (a news article) to have more than one associated class (emotions expressed by users). In addition to that, the multi-target strategy permits to predict not only the emotions expressed by users, but also the intensity of these emotions.