La adaptación al dominio es lo que marca la diferencia entre un análisis de sentimiento bueno y uno excepcional. Hasta ahora las posibilidades de adaptar el análisis de sentimiento de MeaningCloud a tu contexto se cifraban en utilizar diccionarios personales -para crear nuevas entidades y conceptos que la API de Sentiment Analysis utilizara para realizar su análisis basado en aspectos- o en solicitar a nuestro departamento de Servicios Profesionales que desarrollara un modelo de sentimiento a tu medida.
Con la publicación de Sentiment Analysis 2.1 incorporamos una nueva herramienta de personalización orientada a la creación de modelos de sentimientos personales. Esta herramienta utiliza a fondo nuestra tecnología de Procesamiento del Lenguaje Natural para permitiros ser autónomos y desarrollar -sin necesidad de programar- potentes motores de análisis de sentimiento adaptados a vuestras necesidades.
Otras herramientas para personalizar el análisis de sentimiento disponibles en el mercado permiten esencialmente definir “bolsas de palabras” con polaridad positiva o negativa. Nuestras herramientas van mucho más allá y hacen posible
- Definir el papel de una palabra como vector de polaridad (contenedor, negador, modificador), permitiendo usar lemas para incorporar fácilmente las variantes de cada palabra
- Especificar casos particulares de la polaridad de una palabra, dependiendo del contexto en el que aparece o de la función morfosintáctica que desempeña en cada caso
- Definir expresiones multipalabra como elementos prioritarios en la evaluación de polaridad
- Gestionar el modo en que estos modelos personales de polaridad complementan o sustituyen a los diccionarios generales de cada idioma.
Este webinar tendrá un enfoque enormemente práctico. Servirá para analizar 10 formas en las que los medios deberían explotar los contenidos inteligentes que mejoren su rentabilidad. Repasaremos 10 acciones sencillas que conducen a la necesaria agregación de valor por medio de metadatos (también llamados “etiquetas semánticas”).
La incorporación de recursos lingüísticos personales (modelos, diccionarios) permite a estas herramientas alcanzar altos niveles de precisión y cobertura, pero en general es un proceso caro, que exige un conocimiento profundo de estas tecnologías.
Las herramientas de monitorización social proporcionan un análisis de sentimiento básico que en el mejor de los casos llega a identificar que un cierto comentario (ej.: un tuit) expresa una opinión positiva o negativa sobre una entidad y utilizan esos datos agregados en diagramas y evoluciones temporales. Pero analizar una realidad tan poliédrica como la reputación de una empresa requiere un análisis de opinión más granular.
Seth Grimes