Fecha

Detección automática de emociones en la red usando técnicas de inteligencia artificial

Investigadores de la Universidad Politécnica de Madrid están trabajando, junto a otros científicos europeos, para desarrollar una herramienta computacional que permite detectar emociones en textos

Un grupo europeo de investigadores –en el que participa la Universidad Politécnica de Madrid (UPM), la Fondazione Bruno Kessler de Italia, la Universidad de Twente (Países Bajos), y la compañía francesa reciTAL −han desarrollado DepecheMood++, una herramienta computacional para extraer las emociones expresadas en textos generados por usuarios online. Esta herramienta emplea modelos de procesamiento de lenguaje natural e inteligencia artificial para realizar mediciones precisas de las emociones que aparecen en un texto, ofreciendo un informe completo que puede ser analizado posteriormente.

Actualmente se genera una gran cantidad de contenido al día en redes sociales, foros, y comunidades online. Es común que los usuarios de estos medios viertan su opinión, visiones personales y comentarios a través de medios digitales. Además, cada vez más instituciones, organizaciones, y otros actores se comunican con el público a través de la red. Todo este contenido guarda un gran valor desde el punto de vista de la información que contiene. De hecho, el contenido generado en Internet puede expresar opiniones o emociones acerca de productos, personas, y eventos que tiene un gran valor para empresas e instituciones. Por ejemplo, si una empresa de comercio electrónico tiene mucho interés en conocer qué opinan sus clientes acerca de sus productos, podrá detectarlo de manera automática si estos realizan comentarios negativos en su página.

El Grupo de Sistemas Inteligentes de la UPM ha participado en el desarrollo de DepecheMood++, una herramienta que utiliza la inteligencia artificial para detectar emociones en la red de manera automática. Esta herramienta ha sido desarrollada en inglés y en italiano a partir de datos extraídos de plataformas digitales de noticias como Rappler y Corriere della Sera, donde los usuarios pueden indicar la emoción que les provocan las noticias que leen. De esta manera, los investigadores han colaborado y han usado métodos computacionales estadísticos para agregar el conocimiento intrínseco de estos datos.

“Este trabajo es un excelente ejemplo de cómo se puede usar la inteligencia artificial para aprender a partir de la actividad de usuarios online y generar recursos que posteriormente podamos explotar”, comenta Óscar Araque, profesor de la UPM. “Este trabajo ha sido un esfuerzo internacional que no hubiera sido posible sin la colaboración de las cuatro instituciones participantes”, añade.

La extracción de emociones es muy útil por sí misma, pero además representa un paso más hacia una inteligencia artificial completa, que sea capaz de pensar como un humano. Como ejemplo, el Grupo de Sistemas Inteligentes de la Universidad Politécnica de Madrid se encuentra ahora inmerso en el proyecto europeo Participation, en el que se estudia cómo se distribuyen contenidos extremistas en la red, y cómo éstos afectan a la sociedad. “El estudio de la emoción en los procesos de extremismo y radicalización es fundamental. Se sabe que si quieres radicalizar a un sujeto, el aludir a las emociones es clave” detalla el profesor Araque. “Para saber si estamos ante contenido extremo es necesario poder estudiar las emociones a las que apela dicho contenido”, concluye el profesor.

El Grupo de Sistemas Inteligentes, como parte de su extensa actividad investigadora, colabora en una gran cantidad de proyectos de inteligencia artificial con actores nacionales e internacionales. DepecheMood++ forma parte de toda una rama de investigación orientada a entender procesos sociales en internet como la radicalización, el lenguaje del odio, la desinformación o la propaganda.


Referencia bibliográfica:

Araque, Óscar; Gatti, Lorenzo; Staiano, Jacopo; Guerini, Marco. 2022. DepecheMood plus plus : A Bilingual Emotion Lexicon Built Through Simple Yet Powerful Techniques. IEEE TRANSACTIONS ON AFFECTIVE COMPUTING 13(1): 496-507.

https://doi.org/10.1109/TAFFC.2019.2934444

Añadir nuevo comentario

El contenido de este campo se mantiene privado y no se mostrará públicamente.
Para el envío de comentarios, Ud. deberá rellenar todos los campos solicitados. Así mismo, le informamos que su nombre aparecerá publicado junto con su comentario, por lo que en caso que no quiera que se publique, le sugerimos introduzca un alias.

Normas de uso:

  • Las opiniones vertidas serán responsabilidad de su autor y en ningún caso de www.madrimasd.org,
  • No se admitirán comentarios contrarios a las leyes españolas o buen uso.
  • El administrador podrá eliminar comentarios no apropiados, intentando respetar siempre el derecho a la libertad de expresión.
CAPTCHA
Enter the characters shown in the image.
Esta pregunta es para probar si usted es un visitante humano o no y para evitar envíos automáticos de spam.