ANÁLISIS DE EMOCIONES

Dentro del campo del procesamiento del lenguaje natural (NLP por sus siglas en inglés), algunas tareas comunes tienen que ver con el análisis de sentimientos y emociones, que consiste con clasificar opiniones en un mensaje, detectar emociones y definir la orientación del sentimiento expresado [5].

​

Algunas empresas como Google y AWS ofrecen servicios en la nube para este y otro tipo de trabajos. La principal ventaja es la velocidad de implementación y la tercerización de estas tareas a servidores externos, pues las mismas suelen requerir gran capacidad de procesamiento.

​

Aunque para el proyecto no se requiere gran fidelidad en la interpretación, sería interesante contar con un mínimo de esta, para facilitar el proceso de gesticulación. Algunas alternativas que se podrían considerar serían paquetes de software para esta tarea. En particular, se resaltan algunos paquetes de Python. El primero de ellos sería text2emotion, que es un paquete que permite procesar mensajes textuales y reconocer 5 categorías de emociones: felicidad, enojo, tristeza, sorpresa y miedo [6]. Una desventaja de este paquete es que solo admite el lenguaje inglés como entrada para los mensajes a procesar.

​

Una tarea canónica en NLP es clasificar un mensaje u opinión en positivo o negativo. Para esto, se puede utilizar TextBlob, el cual provee una API simple para tareas de NLP como part-of-speech tagging, noun phrase extraction y analisis de sentimiento. Esta última clasifica un mensaje de acuerdo a una polaridad, negativa o positiva [7]. Esto resulta un poco limitado en terminos de fidelidad a la interpretación, pero podría considerarse para el proyecto por su facilidad de uso.