Resumen

El análisis de sentimientos tiene como objetivo inferir cómo las personas expresan su opinión sobre cualquier texto o tema de interés. Este artículo trata de la detección de una forma implícita del sentimiento, denominada sarcasmo. El sarcasmo transmite lo contrario de lo que la gente intenta transmitir para criticar o ridiculizar de forma humorística. Desempeña un papel fundamental en las redes sociales, ya que la mayoría de los tuits o mensajes contienen matices sarcásticos. Los enfoques existentes para el estudio del sarcasmo sólo se ocupan de la detección del mismo. En este trabajo, además de detectar el sarcasmo del texto, se ha propuesto un enfoque para identificar el tipo de sarcasmo. La principal motivación para determinar los tipos de sarcasmo es identificar el nivel de daño o la verdadera intención detrás del texto sarcástico. El trabajo propuesto pretende mejorar los enfoques existentes incorporando una nueva perspectiva que clasifica el sarcasmo en función del nivel de dureza empleado. La principal aplicación del trabajo propuesto sería relacionar el estado emocional de una persona con el tipo de sarcasmo que exhibe, lo que podría proporcionar información importante sobre el comportamiento emocional de una persona. Se ha propuesto un método de selección de características basado en conjuntos para identificar el conjunto óptimo de características necesarias para detectar el sarcasmo en los tweets. Este conjunto óptimo de características se empleó para detectar si el tuit es sarcástico o no. Tras detectar las frases sarcásticas, se ha propuesto un enfoque basado en múltiples reglas para determinar el tipo de sarcasmo. Como intento inicial, el sarcasmo se ha clasificado en cuatro tipos, a saber, sarcasmo cortés, sarcasmo grosero, sarcasmo furioso y sarcasmo inexpresivo. Se ha analizado experimentalmente el rendimiento y la eficacia del enfoque propuesto, y se ha modelado el cambio de humor de una persona para cada tipo de sarcasmo. La precisión global del algoritmo de selección de características propuesto para la detección del sarcasmo es de alrededor del 92,7%, y el enfoque de reglas múltiples propuesto para la identificación del tipo de sarcasmo alcanza una precisión del 95,98%, 96,20%, 99,79% y 86,61 para los tipos de sarcasmo cortés, grosero, furioso y displicente, respectivamente.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:tipo de sarcasmo, conjunto de características, sarcasmo, trabajo propuesto, conjunto óptimo, tuit, nivel de dureza, tema de interés, identificación del tipo de sarcasmo, nivel de dolor
• Keywords:type of sarcasm, set of features, sarcasm, proposed work, optimal set, tweet, level of harshness, topic of interest, sarcastic type identification, level of hurt