Sentiment and Emotion Analysis in Social Networks: modeling and linking data, affects and people

Abstract

El objetivo principal de esta tesis doctoral es mejorar el análisis de sentimientos y emociones de texto en redes sociales, aunando técnicas de procesamiento de lenguaje natural, datos enlazados y análisis de redes sociales. La investigación se divide en tres partes muy diferenciadas. Primero, se desarrolló un vocabulario semántico para describir emociones y procesos de análisis de sentimientos, alineado con la ontología de “procedencia” PROV-O. Este vocabulario permite seguir un enfoque de datos enlazados en el análisis de emociones, tanto en la anotación de recursos (datasets y lexicons), como en la publicación de servicios semánticos de análisis de emociones. Asimismo, se extendió el vocabulario de referencia para opiniones, Marl, para alinearlo con Prov-O. En segundo lugar, se han modelado los diferentes componentes de los servicios de análisis de sentimientos y emociones, así como los requisitos para crear servicios abiertos, interoperables y que se puedan combinar para lograr análisis avanzados. El resultado es un marco de desarrollo y modelado de servicios, enfocado en la modularidad. Además, se ha desarrollado una implementación de referencia que permite a crear y publicar servicios de análisis de sentimientos y emociones. En tercer lugar, se ha caracterizado el contexto social, que es el conjunto de información en una red social que complementa al mensaje, y que puede ser utilizado para mejorar el análisis de sentimientos del mensaje. También se ha desarrollado una taxonomía de enfoques de análisis de sentimientos basada en la forma en que el contexto social es construido y utilizado en el análisis. Seguidamente, se han investigado modelos de análisis de sentimientos que utilizan contexto social enriquecido mediante análisis de redes sociales. Por último, para explorar el potencial de las diferentes teorías sociales para el análisis de sentimientos se ha desarrollado una plataforma de simulación social, en la que se han implementado varios modelos de propagación de rumores y emociones. ----------ABSTRACT---------- The main goal of this thesis is to improve sentiment and emotion analysis of text in social media through a combination of natural language processing, linked data and social network analysis. To achieve this goal, we have divided our research into three parts. First, we developed a semantic vocabulary to describe emotions, emotion models and emotion analysis activities. This vocabulary enables a linked data approach to emotion analysis, including in the annotation and processing of resources (e.g., datasets and lexicons), and the development of public semantic emotion analysis services. We also extended the most popular vocabulary for opinions and sentiment, Marl, to include concepts of sentiment analysis activities. Secondly, we modeled the different components in a sentiment or emotion analysis service, as well as the requirements to create public and interoperable services that can be composed to produce advanced analyses. The result is a framework to model and develop modular services. We also developed a reference implementation of this framework, which can be used by researchers and developers to create and publish new sentiment and emotion analysis services. Thirdly, we studied and formalized the concept of social context, which is the information in a social network that accompanies a text message and can be used to improve the analysis of said text. We also developed a taxonomy of approaches to sentiment analysis based on how they gather social context and how they exploit it in the analysis. In addition to characterizing social context, we investigated several models of sentiment analysis that enrich social context through social network analysis. Lastly, we developed a social simulation platform, in which we modelled several rumor and emotion propagation behaviors.