Negation detection is an open challenge in Natural Language Processing and speci cally in Sentiment Analysis. It is a linguistic phenomenon that is used to change the truth value of a linguistic unit and it needs speci c treatment, but it has not been su ciently studied due to its complexity. Therefore, in this work, we describe a thesis project that will focus on the treatment of negation in Spanish. Particularly, the research will be directed to the analysis of opinions, since it is intended to improve the predictive capacity of the opinions classi cation systems that are so demanded currently. Nevertheless, the study related to the identi cation of the negation and its scope will also allow to extrapolate the conclusions drawn for its application to any task of Natural Language Processing.
En este trabajo se presenta un proyecto de tesis que tiene como objetivo el estudio de uno de los grandes desaf os del analisis de opiniones: el tratamiento de la negacion. La mayor parte de las investigaciones realizadas hasta el momento sobre este fenomeno se centran en opiniones escritas en ingles, pero hay otros idiomas, entre los que se encuentra el espan~ol, cuya presencia en Internet es cada vez mayor. Un adecuado tratamiento de este fenomeno supondr a un gran avance en esta area. Por ello, esta investigacion se va a centrar fundamentalmente en textos en espan~ol.
El resto del trabajo se organiza como sigue. En primer lugar, se mostraran los motivos que han llevado a la eleccion de este tema para la realizacion de esta tesis. A continuacion, se llevara a cabo una breve revision de los antecedentes y trabajos relacionados. Posteriormente, se describira la investigacion que se va a llevar a cabo y, por ultimo, se mostrara la metodolog a a seguir y se plantearan algunas cuestiones espec cas relacionadas con la investigacion. 2
Las opiniones son fundamentales en muchas de las actividades que realizamos, ya que son una clara in uencia en nuestro comportamiento. La posibilidad de publicar contenido en la web ha generado un gran interes por conocer las opiniones que se comparten en este medio. Cada d a son mas las empresas interesadas en la opinion que los usuarios tienen acerca de sus productos o servicios, pero este conocimiento no solo ha originado interes en las empresas, sino que los propios consumidores antes de adquirir un producto o contratar un servicio, utilizan la web para buscar opiniones de otros usuarios. Se trata de una informacion muy util que se ha convertido en un recurso indispensable en la toma de decisiones y en la de nicion de las estrategias de marketing. Ademas, esta informacion se puede emplear incluso para predecir los resultados de unas elecciones o el exito de una pel cula.
La gran cantidad de fuentes y el elevado volumen de textos disponibles en la web hacen que resulte complicado seleccionar informacion de interes. Por ello, es necesario desarrollar sistemas automaticos de extraccion, clasi cacion y presentacion de opiniones que ayuden a los usuarios a tomar decisiones y que, por otro lado, muestren a las empresas la opinion que los consumidores tienen acerca de sus productos, para ayudarles a decidir que deben mantener, que deben eliminar o que deben mejorar. La disciplina conocida como Miner a de Opiniones (MO) o Analisis de Sentimientos (AS) surge para dar solucion a este problema.
La MO es una disciplina que combina
tecnicas de Procesamiento del Lenguaje
Natural (PLN) y de la Lingu stica
Computacional para detectar la informacion subjetiva de
un texto y clasi carla. El amplio abanico de
aplicaciones en las que se puede emplear ha
provocado un gran interes por parte de la
comunidad cient ca. Existen muchos trabajos
centrados en este tema, la mayor a de ellos en
ingles, pero son muchos los frentes que aun
siguen abiertos y que requieren un estudio
profundo, como el tratamiento de la negacion,
el analisis a nivel de aspecto, el tratamiento
de la iron a y del sarcasmo. . . Algunos
autores los de nen incluso como desaf os
El tratamiento de la negacion es un problema
abierto dentro del PLN en general y dentro de
la MO en particular, que no ha sido
estudiado su cientemente y que requiere un analisis
profundo. Se trata de un fenomeno lingu stico
que se utiliza para modi car el valor de
verdad de la unidad lingu stica (proposicion,
sintagma o palabra) sobre la que se aplica. Hasta
ahora, la mayor parte de las investigaciones
relacionadas con la negacion en el AS se han
realizado sobre opiniones escritas en ingles.
Las primeras aproximaciones comenzaron en
el an~o 2001 y sugieren metodos relativamente
sencillos. Das y Chen (2001) proponen an~adir
\NOT" (\NOT word") a las palabras de la
oracion que se encuentren proximas a
marcadores de negacion, como por ejemplo \no" o
\don't".
Por otra parte, la investigacion existente
en espan~ol sobre este tema es muy limitada.
El primer trabajo que se conoce es el de
Brooke, To loski, y Taboada (2009) en el que
utilizan el mismo enfoque que el empleado en
su primera version en ingles
Este proyecto de tesis se encuentra actualmente en la fase de desarrollo de un sistema automatico para la deteccion de la negacion y su ambito, por lo que, en las fases previas, se van a ir indicando los trabajos realizados hasta el momento.
El punto de partida de esta investigacion
comenzo con el analisis de los trabajos
existentes en ingles y en espan~ol. Este analisis fue
una pieza clave para el inicio de la
investigacion en espan~ol, ya que permitio conocer los
enfoques utilizados en ingles y reproducir los
mas usados con el objetivo de comprobar su
funcionamiento en espan~ol
Teniendo en cuenta que la negacion es un
fenomeno lingu stico y que para determinar
las palabras que se encuentra en su ambito
in uye la estructura de la oracion, un
enfoque bastante util ser a aquel que tuviera
en cuenta las relaciones sintacticas. Por ello,
en esta investigacion, se proponen metodos
basados en el analisis de arboles sintacticos
para determinar el ambito de la negacion
El analisis de los enfoques aplicados hasta
el momento en espan~ol permitio detectar la
necesidad de generar un corpus anotado con
la negacion y su ambito para poder
determinar donde esta la fortaleza de los sistemas
estudiados, es decir, si esta se encuentra en
la identi cacion de la negacion y su alcance
o en el metodo de clasi cacion utilizado. Los
enfoques propuestos hasta ahora para la
deteccion del ambito de la negacion han
centrado sus esfuerzos en la de nicion de reglas que
no han podido ser correctamente evaluadas
debido a la inexistencia de un corpus
anotado con tal informacion. Por ello, otra de las
aportaciones de esta tesis es un corpus
anotado con la negacion y su ambito, as como
con informacion sobre como actua la
negacion sobre las palabras de su ambito, es decir,
si modi ca su polaridad o si por el contrario
la intensi ca o reduce
Finalmente, esta investigacion se va a centrar en el desarrollo de un sistema automatico para la deteccion de la negacion y su ambito en textos escritos en espan~ol para su posterior aplicacion al analisis de opiniones. Para ello, se llevara a cabo un estudio de cuales son las caracter sticas mas adecuadas para identi car de forma correcta la negacion y su ambito de in uencia, as como de la estrategia a seguir para desarrollar un sistema con la habilidad de interpretar como afecta la negacion a las palabras de su ambito (si cambia su signi cado o no, o si lo intensi ca o reduce). 5
La metodolog a propuesta para la consecucion de esta tesis se presenta a continuacion: 1. Estudio y revision del estado del arte. 2. Adaptacion de recursos existentes para poder realizar un analisis de los metodos propuestos.
4. Experimentacion y evaluacion. Se utilizaran los recursos generados para llevar a cabo la experimentacion y posteriormente se procedera a la evaluacion del prototipo, llevando a cabo una comparacion de los resultados obtenidos con los ya existentes. Los resultados obtenidos se pondran a disposicion de la comunidad cient ca.
Las principales cuestiones de investigacion a las que se pretende responder con este proyecto de tesis son las siguientes: >El estudio de la negacion es independiente de la lengua? >Es posible generalizar su tratamiento para cualquier idioma? >Es necesario invertir esfuerzos en la generacion de corpus anotados con negacion y su ambito? >Cuales son las caracter sticas mas adecuadas para identi car la presencia de negacion? >Y para determinar su ambito? >Como se puede utilizar esta informacion para mejorar los sistemas de clasi cacion de opiniones? >Que algoritmos son mas adecuados para la fase de identi cacion? >Y para la de clasi cacion?
Este trabajo ha sido parcialmente nanciado por el Ministerio de Educacion, Cultura y Deporte (MECD - ayuda FPU014/00983), el Fondo Europeo de Desarrollo Regional (FEDER) y el proyecto REDES (TIN2015-65136C2-1-R) del Gobierno de Espan~a.
Brooke, J., M. To loski, y M. Taboada. 2009. Cross-Linguistic Sentiment Analysis: From English to Spanish. En RANLP, paginas 50{54.
Cruz, N. P., M. Taboada, y R. Mitkov. 2016. A machine-learning approach to negation and speculation detection for sentiment analysis. Journal of the Association for Information Science and Technology, 67(9):2118{2136.
Das, S. y M. Chen. 2001. Yahoo! for Amazon: Extracting market sentiment from stock message boards. En Proceedings of the Asia Paci c nance association annual conference (APFA), volumen 35, pagina 43. Bangkok, Thailand. of negation. En Proceedings of the First Joint Conference on Lexical and Computational Semantics-Volume 1: Proceedings of the main conference and the shared task, and Volume 2: Proceedings of the Sixth International Workshop on Semantic Evaluation, paginas 282{287. Association for Computational Linguistics. the role of negation in sentiment analysis. En Proceedings of the workshop on negation and speculation in natural language processing, paginas 60{68. Association for Computational Linguistics.