Sistema para la detección de emociones de una persona adulta

Abstract

Con la evolución de la tecnología en la actualidad gran parte de la expresión se realiza de forma escrita en redes sociales. Estas expresiones se traducen en opiniones o comentarios acerca de personas, productos, servicios, u otros usuarios. Publicando el día a día. Las opiniones están influenciadas por el estado de ánimo. Detectar las emociones que se exteriorizan (en este caso de manera escrita) es importante para la salud, estas emociones son generadas en el cerebro y se ven reflejadas en el cuerpo, una emoción mal atendida en un cierto tiempo presentará cambios en la persona, originando algunas enfermedades [1]. Mediante el análisis de sentimiento, que forma parte del Procesamiento del Lenguaje Natural [2], se desea conocer la intención emocional de comentarios recopilados, haciendo uso de palabras clave que contengan una o combinación de ellas, pudiendo así clasificar la opinión en una de las emociones básicas [3]: alegría, enojo, miedo, repulsión, sorpresa, tristeza. Para obtener la emoción predominante, el sistema recibe como entrada un archivo de texto perteneciente al usuario (previamente guardado con las publicaciones) cada publicación se le realiza un preprocesamiento de texto, que consiste en la tokenización (dividir el texto en palabras), eliminación de palabras vacías [4]; es decir, eliminar palabras que no aportan valor al resultado, y a una lematización [5], que corresponde a determinar el lema1. La etapa del preprocesamiento se realizó con apoyo de la herramienta TreeTagger [6], que está diseñada para procesar múltiples fragmentos de texto de forma automática. Posteriormente, se buscó cada lema en el lexicón SEL [7], se obtuvo la emoción en que se clasifica el lema y su FPA (Factor de Probabilidad de uso Afectivo) que sirve como indicador de que tan “fuerte” es la palabra en una emoción. El proceso de determinar la emoción de una publicación consistió en sumar el valor de FPA que fueron clasificados en la misma categoría, la suma más alta es la que representa la publicación. Finalmente, para obtener la emoción predominante de todas las publicaciones, se realizó el cálculo de la moda de las emociones encontradas. Los resultados son expuestos al usuario a través de una interfaz, mostrando una gráfica con las emociones encontradas y la cantidad de comentarios que fueron clasificados en cada categorial emocional. También se le muestra al usuario un detalle de resultados, haciendo un pequeño resumen de la gráfica. Los resultados que arrojo el sistema de cada usuario fueron comparados con la clasificación que el mismo usuario consideró estaba su comentario, esta comparación da como resultado el Anexo 3. Se tomo como muestra los 123 comentarios de ocho usuarios diferentes contenidos en el Anexo 3 para calcular el porcentaje promedio de instancias correctamente clasificadas en las seis categorías emocionales; este porcentaje corresponde al 69.10%. Cabe destacar que el usuario con mayor número de coincidencias correctas obtuvo un 80% correcto y el menor porcentaje fue de 55.55%. La diferencia alta entre porcentajes es explicada en la sección 7.