Anotación automática de datos acerca de la reputación de los políticos en redes sociales

Abstract

Recientemente, la minería de opinión en Twitter, por medio de la Recuperación de Información (RI) y del Procesamiento de Lenguaje Natural (PLN) atrajo interés en la investigación política. Sin embargo, la obtención de datos anotados de dominio específico sigue siendo un paso manual muy costoso. Además, la cantidad y calidad de estas anotaciones pueden ser críticas en relación al rendimiento de los métodos de PLN basados en técnicas de Aprendizaje de Maquina (AM). Una solución alternativa es utilizar conjuntos de datos cruzados por idioma (cross-language) y cruzados por dominio (cross-domain) para simular los datos de entrenamiento. Este artículo describe algunos enfoques de AM para la anotación automática de tuits en español que tratan acerca de la reputación de los políticos. Nuestra principal conclusión es que un clasificador estadístico sin entrenamiento específico del dominio político puede simular una anotación tan confiable como la provista por anotadores humanos. Este tipo de clasificadores, también puede resultar equivalente al uso de recursos específicos tales como lexicones de polaridad o datos de dominio traducidos manualmente.