Analisis de Sentimientos - EDUCATE PERU CONSULTORES

Analisis de Sentimientos
Conceptos Fundamentales y Relaciones con otras Disciplinas

Transcript

1. An´ alisis de Sentimientos Conceptos Fundamentales y Relaciones con otras Disciplinas Abraham Zamudio EDUCATE PERU CONSULTORES 2026 Abraham Zamudio An´ alisis de Sentimientos 2026 1 / 18
2. Contenido 1 Definici´ on de An´ alisis de Sentimientos 2 ¿C´ omo Funciona el An´ alisis de Sentimiento? 3 An´ alisis de Sentimiento vs. Otras Disciplinas 4 Diagrama Comparativo 5 Conclusiones Abraham Zamudio An´ alisis de Sentimientos 2026 2 / 18
3. ¿Qu´ e es el An´ alisis de Sentimientos? Definici´ on El an´ alisis de sentimientos (tambi´ en conocido como miner´ ıa de opiniones o opinion mining) es una t´ ecnica de procesamiento computacional que identifica, extrae y cuantifica la polaridad emocional y subjetiva presente en un texto. Determina si una opini´ on es positiva, negativa o neutral. Permite comprender la actitud, emociones e intenciones del autor. Se aplica en redes sociales, rese˜ nas de productos, encuestas, atenci´ on al cliente, etc. Abraham Zamudio An´ alisis de Sentimientos 2026 3 / 18
4. Objetivos Principales Detectar polaridad emocional Identificar emociones espec´ ıficas (alegr´ ıa, ira, tristeza) Reconocer sarcasmo e iron´ ıa Analizar intenciones de compra Ejemplo: “Este producto es incre´ ıble” ↓ Sentimiento: Positivo Confianza: 95 % Abraham Zamudio An´ alisis de Sentimientos 2026 4 / 18
5. Pipeline del An´ alisis de Sentimientos 1. Ingesta de Texto 2. Prepro- cesamiento 3. Extracci´ on de Caracter´ ısticas 4. Clasificaci´ on 5. Salida y Puntuaci´ on 6. Feedback y Actualizaci´ on Abraham Zamudio An´ alisis de Sentimientos 2026 5 / 18
6. Paso 1: Ingesta de Texto Descripci´ on Recopilaci´ on y entrada de datos textuales desde diversas fuentes. Fuentes de datos: Redes sociales (Twitter/X, Facebook, Instagram) Rese˜ nas de productos y servicios Correos electr´ onicos y tickets de soporte Art´ ıculos de noticias y blogs Transcripciones de llamadas Formatos: Texto plano (.txt, .csv) JSON / XML Bases de datos SQL/NoSQL APIs de streaming en tiempo real Abraham Zamudio An´ alisis de Sentimientos 2026 6 / 18
7. Paso 2: Preprocesamiento de Texto Limpieza y normalizaci´ on del texto para facilitar el an´ alisis. Tokenizaci´ on: Dividir el texto en palabras o frases. Eliminaci´ on de stopwords: Quitar palabras sin valor sem´ antico (“el”, “la”, “de”). Stemming/Lematizaci´ on: Reducir palabras a su ra´ ız (“corriendo” → “correr”). Eliminaci´ on de ruido: URLs, menciones, hashtags, caracteres especiales. Ejemplo Original: “¡Me encant´ o!!! El producto es genial @tienda #feliz :)” Procesado: [“encantar”, “producto”, “genial”] Abraham Zamudio An´ alisis de Sentimientos 2026 7 / 18
8. Paso 3: Extracci´ on de Caracter´ ısticas Transformaci´ on del texto en representaciones num´ ericas comprensibles por el modelo. T´ ecnica Descripci´ on Ejemplo Bag of Words (BoW) Frecuencia de palabras Vector de conteo TF-IDF Peso por importancia Palabras discriminativas Word Embeddings Vectores densos Word2Vec, GloVe Embeddings Contextuales Contexto dependiente BERT, RoBERTa Abraham Zamudio An´ alisis de Sentimientos 2026 8 / 18
9. Paso 4: Clasificaci´ on de Sentimientos Aplicaci´ on de algoritmos para determinar la polaridad del texto. Niveles de an´ alisis: Documento: Sentimiento general del texto completo. Oraci´ on: An´ alisis por cada oraci´ on. Aspecto: Sentimiento sobre caracter´ ısticas espec´ ıficas. Escalas de polaridad: Binaria: Positivo / Negativo Ternaria: Positivo / Neutral / Negativo Multiclase: 1–5 estrellas Emociones: Alegr´ ıa, tristeza, ira, miedo, sorpresa, disgusto Abraham Zamudio An´ alisis de Sentimientos 2026 9 / 18
10. Paso 5: Salida y Puntuaci´ on Presentaci´ on de los resultados del an´ alisis. Formatos de salida: Etiqueta de sentimiento (Positivo/Negativo) Puntuaci´ on num´ erica (0 a 1, -1 a +1) Porcentajes de confianza Visualizaciones (nubes de palabras, dashboards) Ejemplo de Salida Texto: “La pel´ ıcula fue aburrida” Polaridad: Negativa Confianza: 89 % Puntuaci´ on: -0.78 Abraham Zamudio An´ alisis de Sentimientos 2026 10 / 18
11. Paso 6: Comentarios y Actualizaci´ on del Modelo Ciclo de Mejora Continua Los modelos de an´ alisis de sentimientos requieren actualizaci´ on constante para mantener su precisi´ on. Mecanismos de feedback: Retroalimentaci´ on del usuario (correcci´ on de etiquetas) Anotaci´ on manual de nuevos datos Aprendizaje activo (active learning) Detecci´ on de data drift y concept drift Estrategias de actualizaci´ on: Reentrenamiento peri´ odico con datos nuevos Fine-tuning de modelos preentrenados Adaptaci´ on a nuevos dominios y jergas Manejo de tendencias ling¨ u´ ısticas emergentes Abraham Zamudio An´ alisis de Sentimientos 2026 11 / 18
12. An´ alisis de Sentimiento vs. NLP NLP (Procesamiento de Lenguaje Natural) Campo amplio de la IA dedicado a la interacci´ on entre computadoras y lenguaje humano. Incluye: Traducci´ on autom´ atica Reconocimiento de voz Generaci´ on de texto An´ alisis sint´ actico y sem´ antico An´ alisis de sentimientos Relaci´ on El an´ alisis de sentimientos es una subdisciplina espec´ ıfica del NLP. Analog´ ıa: NLP = Medicina An´ alisis de sentimientos = Cardiolog´ ıa Abraham Zamudio An´ alisis de Sentimientos 2026 12 / 18
13. An´ alisis de Sentimiento vs. Machine Learning Machine Learning (ML) Rama de la IA centrada en el desarrollo de algoritmos que aprenden patrones a partir de datos sin ser programados expl´ ıcitamente. Clasificaci´ on Regresi´ on Clustering Reducci´ on de dimensionalidad Relaci´ on El ML es una herramienta utilizada para implementar an´ alisis de sentimientos. Ejemplo: Un clasificador Naive Bayes o una red neuronal pueden entrenarse para detectar polaridad en textos. Abraham Zamudio An´ alisis de Sentimientos 2026 13 / 18
14. An´ alisis de Sentimiento vs. Inteligencia Artificial Inteligencia Artificial (AI) Disciplina cient´ ıfica que busca crear sistemas capaces de realizar tareas que requieren inteligencia humana. Razonamiento l´ ogico Percepci´ on visual Comprensi´ on del lenguaje Toma de decisiones Aprendizaje autom´ atico Relaci´ on El an´ alisis de sentimientos es una aplicaci´ on concreta de la IA. Jerarqu´ ıa: AI ⊃ ML ⊃ NLP ⊃ An´ alisis de Sentimientos Abraham Zamudio An´ alisis de Sentimientos 2026 14 / 18
15. An´ alisis de Sentimiento vs. Miner´ ıa de Datos Miner´ ıa de Datos Proceso de descubrir patrones, correlaciones y conocimiento ´ util a partir de grandes vol´ umenes de datos. An´ alisis de patrones de compra Detecci´ on de anomal´ ıas Segmentaci´ on de clientes Predicci´ on de tendencias Puede trabajar con datos estructurados y no estructurados Relaci´ on El an´ alisis de sentimientos puede verse como una forma de miner´ ıa de datos aplicada espec´ ıficamente a texto. Diferencia clave: Miner´ ıa de datos → datos de cualquier tipo An´ alisis de sentimientos → texto con carga emocional Abraham Zamudio An´ alisis de Sentimientos 2026 15 / 18
16. Mapa Conceptual: Relaciones entre Disciplinas Inteligencia Artificial (AI) Machine Learning (ML) NLP Miner´ ıa de Datos An´ alisis de Sentimientos El an´ alisis de sentimientos se ubica en la intersecci´ on de NLP y miner´ ıa de datos, dentro del ´ ambito del ML y la IA. Abraham Zamudio An´ alisis de Sentimientos 2026 16 / 18
17. Conclusiones El an´ alisis de sentimientos es una t´ ecnica especializada para extraer polaridad emocional de textos. Su funcionamiento sigue un pipeline estructurado: ingesta, preprocesamiento, extracci´ on de caracter´ ısticas, clasificaci´ on, salida y actualizaci´ on continua. No es una disciplina aislada, sino una aplicaci´ on concreta que se nutre de NLP, ML, IA y miner´ ıa de datos. Comprender estas relaciones es clave para dise˜ nar soluciones robustas y contextualizadas. “El an´ alisis de sentimientos transforma la voz del cliente en datos accionables.” Abraham Zamudio An´ alisis de Sentimientos 2026 17 / 18
18. ¡Gracias! a codear!!! abraham.zamudio@gmail.com Abraham Zamudio An´ alisis de Sentimientos 2026 18 / 18