LyS at TASS 2013: Analysing Spanish tweets by means of dependency parsing, semantic-oriented lexicons and psychometric word-properties

• David Vilares ^[1] ; Miguel A. Alonso ^[1] ; Carlos Gómez-Rodríguez ^[1]
  1. [1] Universidade da Coruña

     Universidade da Coruña

     A Coruña, España

     
• Localización: XXIX Congreso de la Sociedad Española de Procesamiento de Lenguaje Natural: SEPLN 2013 / coord. por Alberto Díaz Esteban , Iñaki Alegría Loinaz , Julio Villena Román, 2013, ISBN 978-84-695-8349-4, págs. 179-186
• Idioma: inglés
• Títulos paralelos:
  • LyS en TASS 2013: analizando tuits en castellano a través de análisis de dependencias, lexicones de opiniones y propiedades psicométricas del lenguaje
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Este artículo describe el enfoque utilizado por nuestro grupo para resolver las tareas de análisis global del sentimiento, identificación de tópicos y clasi- ficación de la tendencia política sobre tuits en español; propuestas en el Taller de Análisis del Sentimiento en la SEPLN (TASS 2013). Como paso previo, se realiza un preprocesado ad-hoc para normalizar los tuits. A continuación, se lleva a cabo un análisis morfológico de los tuits para luego obtener su estructura sintáctica aplicando algoritmos de análisis de dependencias. Nuestra propuesta también emplea recursos psicológicos, que permiten explotar las características psicométricas del lenguaje humano. Los resultados experimentales confirman la robustez de la propuesta, que en términos generales ha obtenido un buen rendimiento, alcanzando el primer puesto en la tarea de clasificación de tópicos.

  • English

    This article describes the approach developed by our group in order to resolve the sentiment analysis at a global level, topic identification and political tendency classification tasks on Spanish tweets; proposed at the Workshop of Sentiment Analysis at sepln (tass 2013). As a preliminary step, we carry out an ad-hoc preprocessing in order to normalise the tweets. We then apply part-of-speech tagging and dependency parsing algorithms to the tweets to obtain their syntactic structure. Our proposal also employs psychological resources in order to exploit the psychometric properties of human language. The experimental results confirm the robustness of the proposal, which has achieved good performance in general, being the best-performing approach in the topic classification task.