Una revisión a la minería de opiniones y los retos del PNL

• Nigro, Hector ^[1]
  1. [1] Universidad Nacional del Centro de la Provincia de Buenos Aires

     Universidad Nacional del Centro de la Provincia de Buenos Aires

     Argentina

     
• Localización: Revista Ingeniería, Matemáticas y Ciencias de la Información, ISSN-e 2357-3716, Vol. 7, Nº. 13, 2020 (Ejemplar dedicado a: Revista Ingeniería, Matemáticas y Ciencias de la Información), págs. 105-110
• Idioma: español
• DOI: 10.21017/rimci.2020.v7.n13.a80
• Títulos paralelos:
  • A review of opinion mining and NLP challenges
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En los últimos años se ha generado un crecimiento en el análisis de las redes sociales para tener una idea de lo que la gente piensa sobre los temas de interés actuales, sin embargo, los sistemas de minería de texto originalmente diseñados para tipos de textos más regulares, como los artículos de noticias, pueden necesitar adaptarse para tratar publicaciones de redes sociales como Facebook, tweets, etc. En este artículo, se presenta una reflexión sobre temas relacionados con la minería de opinión de las redes sociales y los desafíos que imponen en un sistema de procesamiento de lenguaje natural (PNL).

    DOI: http://dx.doi.org/10.21017/rimci.2020.v7.n13.a80

  • English

    In recent years, there has been a growth in the analysis of social networks to get an idea of what people think about current topics of interest, however, text mining systems originally designed for more regular types of texts Like news articles, they may need to be adapted to deal with social media posts like Facebook, tweets, etc. In this article, a reflection is presented on issues related to mining opinion from social networks and the challenges they impose on a natural language processing system (NLP).

    DOI: http://dx.doi.org/10.21017/rimci.2020.v7.n13.a80

• Referencias bibliográficas
  • E. Boiy, Pieter Hens, Koen Deschacht, and Marie-Francine Moens. Automatic sentiment analysis of onlinetext. InProc. of the 11th International...
  • A. Aue and M. Gamon. Customizing sentiment classifiers to new domains: a case study. InProc. of the International Conference on Recent Advances...
  • J. Blitzer, M. Dredze, and F. Pereira. Biographies, bollywood, boomboxes and blenders: Domain adaptation for sentiment classification. In...
  • Bo Pang and Lillian Lee. Opinion mining and sentiment analysis.Information Retrieval, 2(1). 2008.
  • A. Popescu and O. Etzioni. Extracting product features and opinions from reviews. InProc. of the Conference on Empirical Methods for Natural...
  • A. Scharl and A. Weichselbraun. An automated ap-proach to investigating the online media coverage of USpresidential elections.Journal of Information...
  • M. Taboada, J. Brooke, M. Tofiloski, K. Voll, and M. Stede. Lexicon based methods for sentiment analysis. Computational Linguistics, 1(September...
  • A. Pak and P. Paroubek. Twitter as a corpus forsentiment analysis and opinion mining. Proceedings of LREC. 2010.
  • A. C. Mullaly, C.L. Gagné, T.L. Spalding, and K.A.Marchak. Examining ambiguous adjectives inadjective noun phrases: Evidence for representation...
  • A. Weichselbraun, S. Gindl, and A. Scharl. Acontext-dependent supervised learning approach to sen-timent detection in large textual databases....
  • S. Gindl, A. Weichselbraun, and A. Scharl. Crossdomain contextualisation of sentiment lexicons. InProceedings of 19th European Conference...
  • Johan Bollen and Huina Mao. Twitter mood as astock market predictor. IEEE Computer, 44(10):91–94. 2011.
  • H. Cunningham, D. Maynard, and V. Tablan. JAPE:a Java Annotation Patterns Engine (Second
  • Edition). Re-search Memorandum CS–00–10, Department of Computer Science, University of Sheffield, November. 2000.