Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
GUAYANA MODERNA
https://revistasenlinea.saber.ucab.edu.ve/index.php/guayanamoderna/index
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
Fecha de recepción: 30-01-2023
Fecha de aceptación: 28-02-2023
pp.: 121-140
Choque de Tuits: Aplicación de Minería de Texto para Análisis
de Sentimientos
Tweet Shock: Text Mining Application for Sentiment Analysis
Borjas Medina, Livia Carolina
UCAB Guayana-Escuela Ingeniería Informática / Ciudad Guayana, Venezuela
livacaro7@gmail.com
Resumen:
En el presente artículo se exponen modestos resultados de un proceso de análisis de
sentimiento político que se realizó, aplicando minería de texto sobre las cuentas de Twitter
de representantes de la “oposición” y representantes “oficialistas” afectos al gobierno
Madurista en Venezuela, en el contexto de las elecciones parlamentarias venezolanas del
2015. Este estudio se ejecutó con el propósito de identificar si ambos grupos políticos
representan dos clases claramente diferenciadas en su discurso lingüístico y en cuyo caso
establecer y describir sus sentimientos, intereses, preocupaciones y preferencias. Para
realizar este trabajo se aplicó una adaptación de la metodología CRISP-DM para datos
complejos de textos conocido como proceso de minería de texto. Para el estudio se utilizaron
las herramientas R, R Studio, TwitteR y WEKA. Los resultados observados en forma de
modelos de clasificación, grupos y reglas de asociación involucran los términos
frecuentemente usados por los tuiteros analizados, muestran que sí existen diferencias
importantes en el contenido discursivo, muy modestamente se muestran los temas y
sentimientos que caracterizan a los dos grupos que se disputan el poder en Venezuela. Este
estudio y sus resultados evidencian la factibilidad y utilidad de aplicar minería de texto en
redes sociales para realizar análisis de sentimientos en el ámbito político.
Palabras clave: Análisis de Sentimientos, Minería de Texto, Twitter, R Studio, WEKA.
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna N° 12
Diciembre 2023
Venezuela
122
INTRODUCCIÓN
Las redes sociales son un punto de
encuentro de millones de usuarios que
publican y comparten informaciones y
opiniones sobre diversos temas. Estos
espacios virtuales y sociales son
atractivas fuentes de información donde
los usuarios exponen la percepción,
sentimientos y comportamiento que
tienen sobre un determinado tema,
acontecimiento, producto y servicio.
Realizar análisis de textos sobre los
comentarios que publican los usuarios,
sus opiniones y sentimientos, se ha
convertido en uno de los objetivos a corto
plazo de las organizaciones en su área de
influencia. En la última década, los
esfuerzos se han centrado en la
monitorización de textos largos
publicados en foros o blogs. Sin embargo,
dado el reciente éxito de redes de
microblogging como Facebook o Twitter;
las organizaciones han empezado a
centrar su interés en el análisis de textos
cortos. En especial, la red social Twitter
es muy popular en este sentido, pues los
usuarios publican sus experiencias en
mensajes de hasta 140 caracteres,
popularmente conocidos como tuits.
Abstract:
This article presents modest results of an analysis process of political sentiment that was
carried out, applying text mining on the Twitter accounts of representatives of the
"opposition" and "official" representatives of the Madurista government in Venezuela, in the
context of the 2015 Venezuelan parliamentary elections. This study was carried out with the
purpose of identifying if both political groups represent two clearly differentiated classes in
their linguistic discourse and in which case establish and describe their feelings, interests,
concerns and preferences. To carry out this work, an adaptation of the CRISP-DM
methodology was applied to complex text data known as the text mining process. For the
study, the R, R Studio, TwitteR and WEKA tools were used. The results observed in the
form of classification models, groups and association rules, involve the terms frequently
used by the tweeters analyzed, show that there are important differences in the discursive
content, very modestly the themes and feelings that characterize the two are shown groups
vying for power in Venezuela. This study and its results demonstrate the feasibility and
usefulness of applying text mining on social networks to perform sentiment analysis in the
political arena.
Key Words: Sentiment Analysis, Text Mining, Twitter, R Studio, WEKA
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
123
El fenómeno del uso del Twitter
por líderes e influenciadores políticos y
sociales, recientemente ha tenido un auge
mundial. En el campo político, analizar
los contenidos de los grupos políticos y
sus seguidores también es una tendencia
mundial que ha cobrado gran importancia
por los resultados que dichos análisis han
mostrado.
Un ejemplo de esto se describe en el
artículo (K. Sylwester, 2015) donde se
investigó las diferencias psicológicas
entre individuos de las dos organizaciones
políticas más importantes de los Estados
Unidos, expresadas en los mensajes
publicados en Twitter.
En el artículo en cuestión, se
pregunta si el uso de palabras frecuentes
por parte de los seguidores de los dos
grandes partidos norteamericanos, los
Republicanos y los Demócratas, refleja
diferencias psicológicas importantes. En
este tipo de análisis, a través de técnicas
de minería de datos, palabras y frases son
clasificadas como portando una valencia
negativa o positiva. Con ello, se pueden
identificar o inferir emociones, intereses y
actitudes de aquellos que usan
determinadas palabras. Una herramienta
usada para esta clasificación es el
Linguistic Inquiry and Word Count
(LIWC), una aplicación que clasifica
palabras según categorías o clases. De
este modo, conforme a los intereses de
este artículo, será posible correlacionar
cierto tipo de palabras con rasgos de
carácter (por ejemplo, la gente
extrovertida o, para dar otro ejemplo, la
gente religiosa, usará algunas clases de
palabras con más frecuencia que otras).
Con esto en mente, los autores del estudio
exploran Twitter para hacer inferencias
sobre las personalidades de los
demócratas y los republicanos.
Después de analizar 5.373
seguidores de tres cuentas de Twitter de
los partidos Demócrata y 5.386
seguidores de tres cuentas de la
Organizaciones del Congreso Partidos
Republicano, se confirmó la hipótesis que
existen diferencias marcadas en el
lenguaje utilizado por seguidores de
ambos partidos políticos.
Este estudio muestra la
factibilidad de realizar análisis de
sentimiento a partir de los mensajes
publicados en Twitter. Inspirados en este
resultado, el presente artículo expone los
resultados de realizar minería de texto
sobre los tuits publicados en las cuentas
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
124
más representativas de los grupos
políticos que protagonizan la escena
política venezolana, con el objetivo
general de analizar el lenguaje usado y así
predecir y/o describir palabras que usan
con mayor frecuencia a fin de determinar
sus intereses, sentimientos,
preocupaciones y los temas que estos
líderes políticos venezolanos conversan.
La hipótesis del estudio parte del
hecho que es sabido que en la sociedad
venezolana se observa una polarización
política protagonizada por dos grandes
grupos: oficialistas y opositores que
involucran diversos partidos políticos. La
hipótesis inicial planteada en este
proyecto es que los “opositores” y los
“oficialistas” representan dos clases
políticas claramente diferenciadas, con un
uso de lenguaje distinto y dos
representaciones conceptuales de la
actividad política de carácter
idiosincrático, lo cual constituye un hecho
inédito en la historia democrática
venezolana.
A diferencia del estudio de Sylwester,
Purver y Nicole (K. Sylwester,
2015)¡Error! No se encuentra el origen
de la referencia., el objetivo de la
presente investigación no será extraer
inferencias psicológicas de carácter de los
tuits de los usuarios de las dos grandes
tendencias políticas en Venezuela sino
probar tentativamente otra hipótesis:
¿existen diferencias políticas o
ideológicas profundas e interesantes
entre los seguidores de las dos
tendencias que, en Venezuela, se
disputan actualmente el poder? Para
responder esta pregunta se aplicarán las
metodologías de minería de texto
presentes en la literatura y se utilizarán
las bondades de las herramientas R Studio
y WEKA.
Por tanto sería un interesante
aporte identificar si los “oficialistas” y los
“opositores” constituyen dos clases
claramente diferenciadas en su discurso
lingüístico predominante, pudiendo con
esto establecer sus intereses,
preocupaciones, preferencias. Conocer
esta clasificación y características
distintivas facilitará la toma de decisiones
asertivas, en materia política y social,
basadas en las diferencias y puntos de
encuentros descubiertos.
El presente artículo, presenta los
detalles del estudio realizado y se
organiza de la siguiente manera: una
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
125
breve Introducción, descripción del
estado del arte de la investigación en el
tema de minería de texto en Twitter, una
breve explicación de la metodología
aplicada, seguido de los resultados,
análisis y conclusiones.
ESTADO DEL ARTE
De acuerdo con (A. Bifef, 2010) se
han realizado dos grandes tipos de
investigación sobre bases de datos
provenientes de Twitter: Minería de
grafos, que se apoya en el descubrimiento
de vínculos entre los mensajes y Minería
de textos, basada en el análisis de los
mensajes propiamente dichos.
1.1 Minería de grafos
La minería de grafos puede usarse
para examinar una serie de problemas
interesantes. En primer lugar se puede
usar para medir la influencia de un
usuario y la popularidad de sus tuits. En
este sentido, existirían tres tipos de
influencia: la que se evidencia al interior
de la cuenta por su número de seguidores
(indegree), la que se evidencia a través de
los retuits de los mensajes de un usuario y
la que se evidencia por las menciones.
Las tres pueden estar o no
correlacionadas. En segundo lugar, se
puede descubrir la creación y formación
de comunidades. Este caso es diferente
del primero, dado que un usuario que no
es influyente pudiera formar parte de una
comunidad que lo es o puede llegar a
serlo. Este tipo de análisis es también
relevante para explicar la formación de
grupos de presión política (como los que
dieron lugar a la Primavera Árabe). Este
aspecto de la minería se usa también
mucho para rastrear grandes movimientos
demográficos.
Por otro lado, también se puede
examinar cómo se difunde información
social o información que tiene un impacto
social. Por ejemplo, información sobre
catástrofes o inicios de epidemias, con lo
que se puede inferir los focos iniciales, el
epicentro del evento o el paciente cero. A
partir de este análisis, se pueden hacer
inferencias sobre los modos como la
gente reacciona a determinados tipos de
eventos. De acuerdo con (Gundecha,
2012) la minería de grafos se puede usar
también para establecer riesgos y límites
de seguridad y vulnerabilidad de usuarios
en redes, que pudieran ser puestos en
peligro por sus relaciones en redes
sociales. Este aspecto de la minería de
grafos es relevante en casos de redes con
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
126
mucha información personal, como
Facebook.
1.2 Minería de texto
La minería de texto sobre Twitter
puede usarse para análisis de sentimientos
y opiniones sobre distintos temas,
controversiales o no. Permite clasificar la
semántica de los tuits para distinguirlos
en positivos o negativos y a entrenar una
muestra de la data para clasificar futuros
tuits como negativos o positivos. La
minería de sentimientos se aplica, sobre
todo, a data de productos y marcas
(nuevos productos o reputación de
marcas), pero también puede involucrar
interrogantes relacionados con distintos
aspectos de las ciencias sociales. La
Minería de Texto sobre Twitter también
puede usarse: Clasificación de tuits en
categorías, Clustering de tuits, Detección
de trending topics y análisis semántico de
conceptos básicos y cambios en la
percepción de aspectos de la realidad.
Análisis de cambios lexicales o cambios
lingüísticos. Análisis sociolingüísticos.
METODOLOGÍA
Como referencia para hacer el
proceso de minería de datos se utilizó la
metodología CRISP-DM (S. Moro,
Marzo, 2014), (Wikimedia, 2014) la cual
incluye las etapas de: Entendimiento del
negocio, Comprensión y preparación de
los datos; Modelado del conocimiento,
Evaluación, dónde se cuantifica el
rendimiento del modelo y Difusión, ver
Figura 1: Metodología para Minería de
Datos, CRISP-DM.
Sin embargo, considerando que el
estudio trata de un tipo de minería para
datos complejos como los tuits, se aplicó
de manera más detallada el proceso de
minería de texto descrito en la Figura 2, el
cuál es una adaptación de la metodología
CRISP-DM al caso de datos complejos de
textos.
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
127
Figura 2: Proceso de Minería de Texto.
En este sentido se aplicaron las
siguientes fases, que no son más que una
combinación de los precitados procesos:
Comprensión del Negocio, donde
se analizó los requerimientos del análisis
del dominio del problema, el cual
obedecía a objetivos académicos
aplicados al contexto de los tuits de
cuentas de líderes políticos venezolanos
de interés. Aquí se seleccionaron los
algoritmos de minería de datos que
resuelven los objetivos de negocios y de
minería de datos planteados.
En la Fase de Comprensión de
los Datos se seleccionaron los textos
objetivos: se observaron y seleccionaron
las cuentas de twitter candidatas para el
estudio. Se analizaron la calidad de sus
tuits y la forma de uso de la red social por
cada líder cuya cuenta fue seleccionada.
En esta Fase se recopilaron los tuits
objetivos, luego se preprocesaron los tuits
recopilados y se limpiaron hasta extraer el
conjunto de términos, todo esto se realizó
aplicando funcionalidades de la
herramienta R Studio.
Luego en la Fase de Preparación
de los Datos, utilizando funcionalidades
de la herramienta WEKA para a partir de
la tabla atributo-valor construir la vista
minable. Aquí se eliminaron las variables
que no interesan, se realizaron las
transformaciones de los datos necesarias y
se redujo la dimensionalidad de la tabla,
hasta construir las vistas minables a la que
se le aplicaron los algoritmos de minería
de datos seleccionados.
En la Fase de Modelado, se
estimaron los modelos planificados,
extrayendo los patrones luego de aplicar
los algoritmos de minería de datos sobre
las vistas minables. Luego se pasó a la
Fase de Evaluación del Modelo, donde
con la intervención de un experto en
Filosofía se evaluaron los modelos
aplicando el Criterio del Experto.
Finalmente, en la Fase de Explotación,
donde se despliega el conocimiento
nuevo, se procede a difundir los resultados
a través de los medios propuestos.
RESULTADOS Y ANÁLISIS
Una vez aplicados el proceso descrito
con anterioridad los resultados de pueden
resumir de la siguiente manera:
1.3 Negocio
El objetivo de negocio planteado es:
Identificar si los “oficialistas” y
“opositores” son dos clases claramente
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
128
diferenciadas en su discurso lingüístico
predominante, con el propósito de
establecer sus intereses, preocupaciones,
preferencias. Conocer esta clasificación y
características distintivas facilitará la
toma de decisiones asertivas, en materia
política y social, basadas en las
diferencias y puntos de encuentro
descubiertos. Por tanto el Objetivo
General de la Minería de Datos es
realizar un análisis de texto en los tuits
escritos por tuiteros representantes de
ambas tendencias políticas, tanto del
oficialismo como de la oposición. Los
objetivos específicos:
1. Identificar palabras frecuentes en los
tuits de seguidores claves del
oficialismo y la oposición venezolana
2. Estimar un modelo para predecir si un
tuitero es oficialista u opositor, en base
a las palabras frecuentes presentes en
sus tuits
3. Describir relaciones y/o grupos
existentes entre las palabras frecuentes
o de mayor uso/ importancias
presentes en los tuits de oficialistas y
opositores
Para ofrecer respuesta a los objetivos
planteados se aplicaron las técnicas de
minería de datos de clasificación para
estimar un modelo predictivo clasificador
y se aplicaron reglas de asociación con
WEKA y R Studio para extraer modelos
de tipo descriptivos que relacionen el uso
de palabras frecuentes al mismo tiempo.
1.4 Fase: Comprensión de los Datos
Se creó una aplicación en Twitter
utilizando el lenguaje de programación R,
una herramienta open-source
especializada en el manejo de datos con
relevancia estadística, y R Studio, un IDE
también libre (“integrated development
environment” o ambiente integrado de
desarrollo) para R. Se usó el paquete o
librería especializada que Jeff Gentry de
R para gestionar el API de Twitter:
‘twitteR’, (Gentry, 2015). El API de
Twitter nos da acceso a su base de datos
con la creación de un mecanismo de
autenticación del dueño de la aplicación.
Los pasos ejecutados en esta fase se
describen a continuación:
1) Generación de Datos: se trata de un
conjunto de tuits, donde el tipo de dato
es “Texto”. Para 50 tuiteros
emblemáticos de los diputados e
influenciadores de cada tendencia, se
recopilaron 500 tuits, se generaron un
total de 50.000 tuits. Luego de un pre-
procesamiento, limpieza y tratamiento
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
129
estadístico se seleccionaron las
palabras frecuentes de cada tuitero.
a. Elección de las cuentas de usuarios
relevantes: Aplicando el
conocimiento de dominio se
eligieron 100 cuentas
representativas: 50 de simpatizantes
o miembros del Oficialismo y 50 de
la oposición. Para que la elección
de las cuentas garantizara ser
representativas de los seguidores de
ambas tendencias, se consideraron
50 cuentas de diputados electos: 25
pertenecientes al Oficialismo y 25
de la Oposición. Los otros 50
constituyen los llamados
“influenciadores”: periodistas o
creadores de opinión pública muy
citados en los medios de
comunicación y muy influyentes.
b. Elección de Tuits: Decidimos
trabajar con una proyección de
50.000 tuits para el análisis. El
criterio del API de Twitter, cuando
el investigador le pide que extraiga
un número determinados de tuits de
una línea de tiempo, es el de traer a
la interfaz sólo aquellos que han
sido escritos por el usuario, y no los
que son meras retransmisiones.
Dado que muchos usuarios
representativos no escriben muchos
tuits, se decidió modificar la
función del API para extraer un
número más o menos elevado de
tuits por usuario. De este modo, se
manipuló la función de extracción
de tuits para que pidiese 500 tuits
por cada usuario. Así, por ejemplo,
en el caso de Diego Arria: 94 en
total, entendiéndose que el resto de
los tuits en la línea de tiempo del
usuario “Diego Arria” (uno de los
“influenciadores”) son retuiteos o
retransmisiones de mensajes de
terceros.
c. El Minado de texto: Siguiendo las
recomendaciones de (Zhao, 2015),
se adaptaron los tuits extraídos al
tamaño de un documento Word. Se
creó un corpus de términos del
usuario analizado, así como se
limpió una matriz de datos de modo
que sólo las palabras frecuentes
sobrevivan al proceso de filtrado.
Usando el paquete ‘tm’ (por text
mining) de R, cuyas
funcionalidades incluyen un listado
de “stopwords” en español. Una vez
realizado este trabajo de
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
130
“limpiado”, el paquete twitteR
(Gentry, 2015) está listo para crear
dos matrices de términos por cada
usuario: una de términos frecuentes
y otra de asociaciones frecuentes.
Para crear una matriz de términos
frecuentes del usuario con una
frecuencia mínima elegida por el
investigador, fue necesario calibrar
la matriz de palabras frecuentes de
modo que se pueda extraer del
timeline del usuario que tuitea un
mínimo de número de palabras
frecuentes. Se aplicó el criterio que
por cada usuario, debe crearse una
matriz de alrededor de 7 palabras
frecuentes aproximadamente.
2) Recopilación e Integración: se
construyeron varias matrices atributo
valor, donde se exponen las palabras
frecuentes de los tuiteros de cada
grupo político, representando si la
palabra frecuente esta (1) o no (2)
asociado a ese tuitero. Dichos términos
frecuentes luego sirvieron para
construir diversas matrices atributo-
valor cuya forma tiene:
Tabla 1: Tabla Atributo-Valor
Se obtuvieron cuatro (4) tablas de
palabras frecuentes:
Tabla 2: Tabla Atributo-Valor de Influenciadores de la Oposición
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
131
1.5 Fase: Preparación de los Datos
Estas tablas Atributo-valor se
aglutinaron en dos (2) matrices generales
de diputados e influenciadores de ambas
tendencias: MudPsuvDip y MudPsuvInf.
Seguidamente se crearon los archivo csv
que posteriormente se convirtieron en dos
archivo arff. Se construyeron varias vistas
minables adecuadas para cada tipo de
técnica que se planificó aplicar. Para
construir las vistas minables se
eliminaron los siguientes atributos:
Atributo que añade ruido y no es de
interés para el estudio: Nro. Tweets y
Atributos identificadores: CuentaUserTw.
Se aplicó la transformación para cambiar
el rango de las variables de las palabras
frecuentes, para obtener una vista minable
con valores nominales binarios adecuados
para aplicar la técnica de reglas de
asociación. Se realizó una selección de
atributos basada en el conocimiento del
dominio, para obtener el conjunto de las
palabras frecuentes más relevantes para el
estudio que involucren tuiteros de ambas
tendencias. Particularmente se aplicaron
varios algoritmos de selección de
atributos, para diferentes pruebas de
aplicación de algoritmos.
Vistas Minables: las vistas minables
se construyeron a partir de las matrices
MudPsuvDip y MudPsuvInf. Estas vistas
minables son:
MudPsuvDip.arff. Esta vista
representa las palabras frecuentes de
los diputados de ambas tendencias
políticas. Consta de 47 instancias y 48
palabras frecuentes que la herramienta
WEKA puede tratar como atributos
con valores nominales 1 (sí aparece), 2
(no aparece) en los dos grupos que
conforman las clases “Opositores”
(clase azul) y “Oficialistas” (clase
roja).
Al aplicarle selección de atributos
se observan los siguientes resultados:
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna N° 12
Diciembre 2023
Venezuela
132
Tabla 3: Tabla Selección de Atributos en MudPsuvDip.arff
Algoritmo de Selección
Evaluador: CfsSubsetEval
Buscador: BestFirst
Bloque, Cambio, Chávez, Chavista, CNE, Constitución, Crisis, Derecha, Diputados,
Estudiantes, Fuerza, Mayoría, Patria, Paz, Pueblo, Revolución, Trabajo, Venezuela,
Victoria
Evaluador:
InfoGainAttributeEval
Buscador: Ranker
Chavista, Pueblo, Revolución, Venezuela, Bloque, Chávez, Patria, Diputados,
Derecha, CNE, Cambio, Maduro, Paz, Trabajo, Victoria, Bolívar, País
Evaluador:
ChiSquareAttributeEval
Buscador: Ranker
Chavista, Pueblo, Revolución, Venezuela, Bloque, Chávez, Patria, Diputados,
Derecha, CNE, Maduro, Cambio, Trabajo, País, Paz, Bolívar, Victoria, Adeco,
Constitución, Agua, Corrupción, Crisis
Con estos tres evaluadores, hemos
construido tres vistas minables para
aplicar clasificación y agrupación. Estas
vistas minables, difieren en sus conjuntos
de atributos, con el propósito de evaluar
cuál es el conjunto de atributos o palabras
frecuentes que permiten clasificar de
mejor manera. Estas Vistas Minables son:
MudPsuvDip (1CfsSE), MudPsuvDip
(1ChiSAE) y MudPsuvDip (1IGAE). Se
les eliminó el atributo clase, fueron
usadas para análisis de agrupamiento y
tienen las siguientes formas:
Tabla 4: Tabla Modelo de Vista Minable de MudPsuvDip.arff para agrupamiento.
1. MudPsuvInf.arff: Esta vista representa
las palabras frecuentes de los
influenciadores de ambas tendencias
políticas. Consta de 50 instancias y
105 palabras frecuentes que la
herramienta WEKA puede tratar como
atributos con valores nominales 1 (sí
aparece), 2 (no aparece) en los dos
grupos que conforman las clases
“Opositores” (clase azul) y
“Oficialistas” (clase roja).
Esta Vista Minable fue usada con
modesto éxito para análisis de
clasificación y tienen la siguiente forma:
Palabra1
Palabra2
…
…
…
Palabran
1
2
…
…
…
1
…
…
…
…
…
…
2
1
…
…
…
2
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
133
Palabra1
Palabra2
…
…
…
Palabran
Clase
1
2
…
…
…
1
1
…
…
…
…
…
…
…
2
1
…
…
…
2
2
Tabla 5: Tabla Modelo de Vista Minable de
MudPsuvInf.arff para Clasificación.
Adicionalmente, luego de eliminar el
atributo lase, una vez aplicada la
transformación de valores al tipo binario,
se le aplicó selección de atributos con los
siguientes resultados:
Tabla 6: Tabla Selección de Atributos en
MudPsuvInf.arff.
Esta Vista Minable fue usada para
extraer “relaciones” y determinar las
palabras frecuentes que se usan juntas
y son “temas”. La misma tiene la
siguiente forma:
Tabla 7: Tabla Modelo de Vista Minable de MudPsuvInf.arff para Asociación.
Adicionalmente, el trabajo de minado
de texto permitió crear una serie de
matrices susceptibles de ser analizadas en
el sentido propuesto por nuestra
investigación, que serán de mucha
utilidad para complementar el análisis.
1.6 Fase de Modelado:
El primer objetivo específico
planteado es Identificar palabras
frecuentes en los tuits de seguidores
claves del oficialismo y la oposición
venezolana. Este resultado se logró con
las fases de Comprensión y Preparación
de los Datos anteriormente descritas. No
requiere de una vista minable, aunque si
se realizó minado de texto para extraer el
conjunto de términos desde los tuits o
textos objetivos.
Palabra1
Palabra2
…
…
…
Palabram
0
0
…
…
…
1
…
…
…
…
…
…
1
1
…
…
…
0
Adicionalmente, luego de eliminar el atributo clase, una vez aplicada la transformación
de valores al tipo binario, se le aplicó selección de atributos con los siguientes
resultados:
Tabla 6: Tabla Selección de Atributos en MudPsuvInf.arff
Esta Vista Minable fue usada para extraer “relaciones” y determinar las palabras
frecuentes que se usan juntas y son “temas”. La misma tiene la siguiente forma:
Tabla 7: Tabla Modelo de Vista Minable de MudPsuvInf.arff para Asociación
Adicionalmente, el trabajo de minado de texto permitió crear una serie de matrices
susceptibles de ser analizadas en el sentido propuesto por nuestra investigación, que serán
de mucha utilidad para complementar el análisis.
Algoritmo de
Selección
Atributos Elegidos
Evaluador:
CfsSubsetEval
Buscador: BestFirst
Celac, Gente, Gobernación, Liliantintori, Nicolas, Patria, Venezuela, Vía
Evaluador:
PrincipalComponents
Buscador: Ranker
Académicas, Adelante, Anticrisis, Años, Asamblea, BCV, Bloque, Bolívar, Bolívares,
Cabello, Camarada, Cambio, CELAC, Chávez, Comparto, Ciudadanos, Constitución,
Control, Coño, Corrupción, Crisis, Cuba, Cultura, Decreto, Democracia, Derechos,
Economía, Ecuador, EEUU, Emergencia, España, Estudiantes, Fenómeno, Fortalecer,
Fuerza
Palabra1
Palabra2
…
…
…
Palabram
0
0
…
…
…
1
…
…
…
…
…
…
1
1
…
…
…
0
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
134
Para lograr el segundo objetivo
específico de minería planteado, estimar
un modelo para predecir si un tuitero es
oficialista u opositor, en base a las
palabras frecuentes presentes en sus tuits,
se aplicó la técnica de clasificación sobre
las vistas minables: MudPsuvDip.arff y
MudPsuvInf.arff, arrojando resultados
satisfactorios sobre la vista minable de los
influenciadores. Se aplicó el algoritmo
IRip, J48 y IBK de WEKA, sobre
MudPsuvInf.arff, siendo más preciso los
resultados del JRip, los cuales fueron:
Tabla 8: Medidas de Clasificaciones
Precisión
Exactitud
Sensibilidad
65%
70%
84%
Tabla 9: Matriz de Confusión del Clasificador
Clasificaciones Correctas
35
70%
Clasificaciones Incorrectas
15
30%
Tabla 10: Medidas de Evaluación del Clasificador
El Modelo Clasificador es:
=== Classifier model (full training set) ===
JRIP rules:
===========
(celac = 1) => clase=2 (11.0/0.0)
=> clase=1 (39.0/14.0)
Number of Rules : 2
El clasificador obtenido, ver figura 3, es
modesto y sus reglas no son concluyentes
en relación a los términos frecuentes
asociados a las clases. Adicionalmente no
se pudo construir un clasificador con la
vista minable de los diputados. Se aplicó
el algoritmo de aprendizaje automático
supervisado como J48 sobre
MudPsuvDip.arff, y las versiones de esta
vista minable luego de la selección de
a
b
a
21
4
a=1
b
11
14
b=2
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
135
atributos. Estos clasificadores arrojaron
un resultado con una precisión del 100%,
utilizando la palabra “chavista” para
discriminar entre los dos grupos. Dado
que se trata de un resultado previsible y
no muy interesante no se ahondará más
detalles al respecto.
Para responder al objetivo de
describir relaciones y/o grupos existentes
entre las palabras frecuentes o de mayor
uso/importancia presentes en los tuits de
oficialistas y opositores, se aplicaron
algoritmos de agrupamiento y de
asociación sobre las vistas minables de
disputados e influenciadores. Para
describir grupos de términos entre las
palabras frecuentes se aplicaron técnicas
de agrupamiento en las vistas minables:
MudPsuvDip.arff y sus variantes
obtenidas después de aplicar diversas
selecciones de atributos: MudPsuvDip
(1CfsSE).arff, MudPsuvDip
(1ChiSAE).arff y MudPsuvDip
(1IGAE).arff. En principio se aplicó el
algoritmo de agrupación de Weka
SimpleKMeans sobre MudPsuvDip.arff,
sin aplicar selección de atributos. Los
resultados fueron:
#Cluster
0
1
“bloque”, “Bolívar”, “Chávez”, “chavista”,
“derecha”, “diputados”, “Maduro”, “país”,
“patria”, “paz”, “pueblo”, “revolución”,
“trabajo”, “Venezuela”, “victoria”
“Cambio”,
“CNE”
Clustered
Instances
20 (43%)
(clase roja y negativa)
27 (57%) (clase
azul y positiva)
Tabla 11: Modelo de Agrupamiento, MudPsuvDip.arff
Para ampliar el estudio se aplicó el algoritmo KMeans sobre las vistas minables
resultantes de aplicar la selección de atributos, se obtuvo los siguientes resultados:
MudPsuvDip(1CfsSE).arff, luego de aplicar CfsSubsetEval, ver tabla IV. (19 atributos, 47 Instancias)
#Cluster
0
1
“bloque”, “chávez”, “chavista”, “derecha”, “diputados”, “patria”,
“paz”, “pueblo”, “revolución”, “trabajo”, Venezuela”, “victoria”
“Cambio”,
“Constitución”
Clustered
Instances
22 (47%)
25 (53%)
MudPsuvDip(1CfsSE).arff, luego de aplicar InfoGainAttributeEval, ver tabla IV. (17 atributos, 47 Instancias)
#Cluster
0
1
“bloque”, “Bolívar”, “chávez”, “chavista”, “derecha”, “diputados”,
“maduro”, “país”, “patria”, “paz”, “pueblo”, “revolución”,
“trabajo”, Venezuela”
“Cambio”,
“CNE”
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
136
Clustered
Instances
21 (45%)
26 (55%)
MudPsuvDip(1ChiSAE).arff, luego de aplicar ChiSquared, ver tabla IV. (22 atributos, 47 Instancias)
#Cluster
0
1
“bloque”, “Bolívar”, “chávez”, “chavista”, “derecha”, “diputados”,
“maduro”, “país”, “patria”, “paz”, “pueblo”, “revolución”,
“trabajo”
“Cambio”,
“CNE”
Clustered
Instances
21 (45%)
26 (55%)
Tabla 12: Modelo de Agrupamiento con selección Atributo
El algoritmo clasifica correctamente a los
dos grupos de términos frecuentes,
gracias a los centroides que ofrece el
grupo Oficialista, esto es interesante: el
algoritmo distingue entre los dos grupos
porque puede clasificar correctamente al
grupo del Oficialismo. El algoritmo
modela correctamente dos grupos de
palabras de uso frecuente, según la figura
4:
Figura 4: Modelo Grupos de Términos Frecuentes
Finalmente se aplicó técnicas de reglas de
asociación sobre las vistas minables:
MudPsuvDip.arff y MudPsuvInf.arff; así
como sobre y las vistas minables que se
derivaron luego de seleccionar atributos.
Los resultados más interesantes son:
MudPsuvDip.arff
Algoritmo: Apriori
1.rojos=1 46 ==>regimen=1 46 <conf:(1)> conv:(0.98)
2.regimen=1 46 ==>rojos=1 46 <conf:(1)> conv:(0.98)
3.venezolanos=1 46 ==>unidad=1 46 <conf:(1)> conv:(0.98)
4.unidad=1 46 ==>venezolanos =1 46 <conf:(1)> conv:(0.98)
5.futuro=1 45 ==>gracias=1 45 <conf:(1)> conv:(0.96)
6.gobierno=1 45 ==>gracias =1 45 <conf:(1)> conv:(0.96)
7.presospoliticos=1 45 ==>unidad =1 45 <conf:(1)> conv:(0.96)
8.presospolitico =1 45 ==>venezolanos =1 45 <conf:(1)> conv:(0.96)
9.vecinos=1 45 ==>unidad =1 45 <conf:(1)> conv:(0.96)
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
137
MudPsuvInfB.arff
Algoritmo: Apriori
1.estudiantes=1 49 ==> academicas =1 49 <conf:(1)> conv:(0.98)
2.academicas =1 49 ==> estudiantes=1 49 <conf:(1)> conv:(0.98)
3.democracia=1 49 ==> ciudadanos=1 49 <conf:(1)> conv:(0.98)
4.ciudadanos=1 49 ==> democracia=1 49 <conf:(1)> conv:(0.98)
5.bloque=1 48 ==> anticrisis=1 48 <conf:(1)> conv:(0.96)
6.adelante=1 estudiantes=1 48 ==> academicas =1 48 <conf:(1)> conv:(0.96)
7.academicas =1 adelante=1 48 ==> estudiantes=1 48 <conf:(1)> conv:(0.96)
8.anticrisis=1 estudiantes=1 48 ==> academicas =1 48 <conf:(1)> conv:(0.96)
9.academicas =1 anticrisis=1 48 ==> estudiantes=1 48 <conf:(1)> conv:(0.96) 10.BCV=1 estudiantes=1 48 ==> academicas =1 48 <conf:(1)> conv:(0.96)
MudPsuvInfC.arff
Algoritmo: Apriori
1.gobernacion =1 49 ==> gente =1 48 <conf:(0.98)> conv:(0.49)
2.gente =1 49 ==> gobernacion =1 48 <conf:(0.98)> conv:(0.49)
3.liliantintori =1 49 ==> gente =1 48<conf:(0.98)> conv:(0.49)
4.gente =1 49 ==> liliantintori =1 48 <conf:(0.98)> conv:(0.49) 5.Nicolas =1 49 ==> gente =1 48 <conf:(0.98)> conv:(0.49)
6.gente =1 49 ==> Nicolas =1 48 <conf:(0.98)> conv:(0.49)
7.totalitarismo=1 49 ==> gente=1 48 <conf:(0.98)> conv:(0.49)
8.gente=1 49 ==> totalitarismo=1 48 <conf:(0.98)> conv:(0.49)
9.liliantintori=1 49 ==> gobernacion=1 48 <conf:(0.98)> conv:(0.49)
10.gobernacion=1 49 ==> liliantintori=1 48 <conf:(0.98)> conv:(0.49)
Tabla 13: Modelo de Asociación
Este modelo de asociación obtenido,
muestra el cumplimiento del nivel de
confianza mayor al 90%. Esto significa
que los términos relacionados en cada
regla extraída aparecen juntos más del
90% de las veces. Estas reglas facilitan el
estudio sobre posibles “temas” presentes
en los tuits. En vista de la riqueza del
modelo y considerando que el alcance del
presente estudio, en el sentido de
asociaciones, no es tan detallado, se
propone cómo reto futuro el análisis
exhaustivo del modelo a la luz del juicio
de expertos filósofos o politólogos
interesados en el tema. Sin embargo, para
introducir un poco en el detalle de esta
reflexión, se hace especial mención por su
poderoso significado las siguientes reglas:
liliantintori==>gobernación
<conf:(0.98)>
gobernacion==>liliantintori<conf:(0.98
)>
R1: El 98% de las veces que es usado el
término “liliantintori” es usado el
término “gobernación” y viceversa.
rojos===>regimen<conf:(1)>
regimen==>rojos <conf:(1)>
R2: El 100% de las veces que aparece
el término “rojo” aparece el término
“régimen” y viceversa.
venezolanos==>unidad <conf:(1)>
unidad==>venezolanos <conf:(1)>
R3: El 100% de las veces que aparece
el término “venezolanos” aparece el
término “unidad” y viceversa.
bloque=1 48 ==> anticrisis=1 48
<conf:(1)> conv:(0.96)
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
138
R4: El 96% de las veces que aparece el
término “bloque” aparece el término
“anticrisis”
Todas estas reglas sugieren temas que
relacionan los términos que aparecen
juntos con cierta frecuencia. Este es un
estudio de mucho valor, que amerita otros
modelos, análisis y estudios con el juicio
de expertos, que se deja para próximas
entregas.
1.7 Evaluación de Modelos:
Los Criterios de Evaluación, basados en
el “Criterio de Experto”:
• Las palabras de uso frecuentes
descubiertas para cada tuitero
analizado deben tener una frecuencia
de uso mayor o igual al 30% de las
veces
• Estimar un modelo predictivo del tipo
de tuitero con un mínimo de
asertividad del 60% de las veces
• Que el modelo descriptivo descubra
relaciones que cumplan una frecuencia
mínima del 60 %
En este sentido se confirma que las
palabras frecuentes fueron “minadas”
cumpliendo el criterio de frecuencia
según el número de tuits escritos por los
usuarios seleccionados. Estos términos
frecuentes seleccionados cumplen un
mínimo de frecuencia de 7 veces en
adelante. Esta frecuencia es sobre un total
de 20 tuits, lo cual representa más del
30% de la frecuencia de uso esperada.
En relación con el clasificador, no es
objetivo de este estudio usarlo para
clasificar tuits, este objetivo queda como
trabajo futuro. Sin embargo, se puede
observar que el clasificador tiene una
medida de evaluación basada en su
capacidad predictiva buena, con valores
de precisión, exactitud y sensibilidad por
encima del 60%, lo cual es un buen
pronóstico que indica que el criterio de
evaluación exigido tiene posibilidades de
ser alcanzado en el momento de usar el
clasificador.
En relación con el modelo de
asociación, es importante destacar que las
reglas extraídas todas cumplen una
confianza por encima del 90 %, lo cual es
mayor de lo esperado. Finalmente, al
evaluar el modelo de agrupamiento con el
criterio del juicio de experto y basado en
el conocimiento del dominio, los dos
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
139
grupos extraídos son los naturales muy
cerca de la realidad.
Se requiere complementar esta
evaluación con el análisis de los modelos
obtenidos a través del juicio de un
experto, en este caso profesionales de
Filosofía y Política, los cuales podrán
confirmar su utilidad futura, por ejemplo
en análisis oportunos en el contexto de las
elecciones planificadas para diciembre
del corriente.
1.8 Fase de Difusión de los Modelos:
Se pretende representar el modelo en un
lenguaje adecuado a la terminología del
dominio del problema. Escribir artículos
y planificar conferencias para compartir
los resultados. Los hallazgos obtenidos
luego del análisis, evaluación e
interpretación de los resultados serán
publicados en un artículo y conferencias
al público de interés.
CONCLUSIONES
El análisis de los datos reveló que sí
existen diferencias importantes en el
contenido discursivo que caracteriza a los
dos grupos que se disputan el poder desde
hace algunos años en Venezuela y se
observa un mayor “cohesionamiento”
entre los representantes del grupo
perteneciente al Oficialismo en contraste
con los representantes de las fuerzas de la
Oposición.
Existen una serie de palabras de
uso frecuente, que han terminado siendo
características representativas de la
pertenencia a cada uno de los grupos, las
cuales también revelan los sentimientos,
preferencias e intereses de ambos grupos.
Siendo este último aspecto una realidad
que requiere ser estudiada a mayor
profundidad en el futuro a fin de
establecer temas, tendencias filosóficas y
de comportamiento de ambos grupos.
El minado de Twitter reveló
anomalías en el discurso político, tales
como una preferencia por significados
provenientes de la teoría económica (un
área, en principio, ajeno al ámbito de
persuasión de la política tradicional) por
parte de la Oposición, y el uso probable,
por parte de dos políticos importantes,
uno de la Oposición y otro del
Oficialismo, de administradores de redes
sociales con el fin de mantener vigente su
imagen y su nombre en ese ámbito.
Se puede concluir que, pese a la
poca densidad de la data, la herramienta
de minado de Twitter y de WEKA
Digital: ISSN 2790 5039 – Depósito legal digital: DC2021001122
Impreso: ISSN 23435658 – Depósito legal impreso: PP201202DC4092
Choque de Tuits: aplicación de minería de texto para análisis de sentimientos. Livia Borjas M., pp.: 121-140
Guayana Moderna, N° 12
Diciembre, 2023
Venezuela
140
ofrecen un rico campo de análisis para el
filósofo y el analista político que desee
comprender cuáles son las
preocupaciones, preferencias de acción y
tendencias discursivas que pudieran
caracterizar a los grupos políticos en
punga en un momento dado de la historia
de un país.
En un futuro trabajo, el
clasificador construido puede ser
explotado desde una aplicación de
reconocimiento automático (machine
learning) que permitiera a terceros
establecer con alguna precisión si un
tuitero pertenece a uno de los dos grupos
en discusión. De igual manera, se espera
en trabajos futuros explotar
detalladamente el modelo de asociación
construido y formalizar un estudio
semántico con el uso de un dendograma
jerárquico difuso.
REFERENCIAS:
Bifef, F. E. (2010). “Sentiment Knowledge Discovery in Twitter Streaming Data”. University
of Waikato. Nueva Zelanda: Hamilton
Gentry, J. (2015, julio 29 ). Package ‘twitteR’. repositorio CRA
Gundecha, P. y. (2012). “Mining Social Media: A Brief Introduction”. Revista Informs,
disponible en http://dx.doi.org/10.1287/educ.1120.0105.
K. Sylwester, M. P. (2015). “Twitter Language Use Reflects Psychological, Differences
between Democrats and Republicans” . Revista PLOS One
S. Moro, M. R. (Marzo, 2014). Using Data Mining for Bank direct marketing: An application
of the CRISP-DM Methodology. Repositorium,
http://repositorium.sdum.uminho.pt/bitstream/1822/14838/1/MoroCortezLaureano
Wikimedia. (2014, Marzo). A diagram showing the relationship between the different phases
of CRISP-DM and illustrates the recursive nature of a data mining project. Retrieved from
http://commons.wikimedia.org/wiki/File:CRISP-DM_Process_Diagram.png
Zhao, Y. (2015). R and Datamining: Examples and Case Studies. In Y. Zhao, “Text Mining”
(p. capítulo 10 ). http://www.RDataMining.com.