Emotions play an important role in human intelligence and behaviour and are a major vehicle for communication. Emotion mining is a relatively recent task that attempts to identify different emotional categories in text. However, due to its complexity and the limited availability of annotated lexical resources, it is still in the early stages of research. In addition, most of the work and resources have been focus on English texts, but the presence of other languages, such as Spanish, is growing on the Web. Therefore, in this work, we describe a thesis project that will focus on the development of emotion recognition systems in Spanish texts. In addition, we aim to use these systems to solve other relevant tasks, such as, hate speech identification on social media or mental disorders detection.
Las emociones juegan un papel adaptativo, social y motivacional en nuestro d´ıa a d´ıa ya que representan diferentes caracter´ısticas indicativas del comportamiento humano, como el estado emocional, el nivel de inter´es o el estado de alerta.
El objetivo de la computaci´on afectiva es
permitir que los ordenadores puedan
reconocer, interpretar y procesar emociones
humanas. Por lo tanto, esta rama es un elemento
clave para el progreso de la Inteligencia
Artificial. La miner´ıa de emociones se
enmarca dentro del an´alisis de sentimientos y de la
computaci´on afectiva y trata de identificar
diferentes categor´ıas emocionales en un texto,
tales como la tristeza, la alegr´ıa, el enfado o
el miedo. En los u´ltimos an˜os, ha surgido un
creciente inter´es en la detecci´on autom´atica
de las emociones en un texto dando lugar a
trabajos muy prometedores en el ´area
Por otra parte, actualmente cada vez son
m´as los usuarios que utilizan las redes
sociales, blogs o foros para comunicarse, por lo que
el texto es una fuente de datos
particularmente importante con contenido emocional en la
Web. El tratamiento de estos datos
requiere la identificaci´on y el an´alisis automatizado
de las emociones expresadas por los usuarios
en el texto
La miner´ıa de emociones tiene el
potencial de humanizar las interacciones digitales
y ofrecer beneficios en una gama casi
ilimitada de aplicaciones. Por ejemplo, en el campo
de la psicolog´ıa, puede ayudar a los
profesionales a comprender r´apidamente el estado
de ´animo de un paciente o buscar signos de
que el usuario sufre alguna enfermedad
mental como la depresi´on o la anorexia. En las
redes sociales, se podr´ıa identificar usuarios
que est´an sufriendo ciberbullying o incluso
usuarios que piensan en suicidarse
La incitaci´on al odio se define
comu´nmente como el lenguaje hostil, malicioso y
motivado por prejuicios dirigido a una persona en
espec´ıfico o a un grupo de personas en base a
alguna caracter´ıstica, como puede ser la raza,
la sexualidad, el color, la etnia, la apariencia
f´ısica, la religi´on o la discapacidad
Las graves consecuencias de este problema, combinadas con la gran cantidad de datos que los usuarios publican diariamente en la Web, requieren el desarrollo de algoritmos capaces de detectar autom´aticamente comentarios inapropiados.
Recientemente, un gran nu´mero de
investigadores han comenzado a trabajar en la
tarea de detecci´on autom´atica del odio en redes
sociales
Este proyecto de tesis se centra en el an´alisis de las emociones y en la aplicaci´on de dicho an´alisis a problemas reales, como puede ser la detecci´on del odio o de trastornos mentales en las redes sociales. Adem´as, a diferencia de la mayor´ıa de los trabajos existentes hasta el momento, la tesis principalmente se centrar´a en el tratamiento de textos en espan˜ol, ya que su presencia en Internet es cada vez mayor, por lo que surge la necesidad de desarrollar sistemas aplicados a dicho idioma.
El resto del art´ıculo est´a organizado de la siguiente forma: en primer lugar, en la Secci´on 2 se mencionar´a el origen y trabajo relacionado con el proyecto de tesis. En la Secci´on 3 se describe la investigaci´on propuesta. La Secci´on 4 expone la metodolog´ıa y los experimentos que se van a desarrollar y por u´ltimo, se presentan los elementos de investifaci´on propuestos para su discusi´on en la Secci´on 5. 2
Uno de los primeros estudios relacionados con
la computaci´on afectiva es el de Picard
Los estudios cient´ıficos sobre la
clasificaci´on de las emociones humanas datan de la
d´ecada de 1960. Muchos te´oricos han
propuesto conjuntos de emociones que tienden a
ser b´asicos con caracter´ısticas innatas y
universales
Uno de los pilares fundamentales en la
investigaci´on relacionada con la miner´ıa de
emociones se centra en los recursos
lingu¨´ısticos disponibles. Los recursos l´exicos son
indispensables y existen varios disponibles para
el idioma ingl´es, como WordnetAffect
Los algoritmos basados en el
reconocimiento de emociones en el texto pueden
clasificarse en dos categor´ıas: enfoques basados
en el l´exico y enfoques basados en
aprendizaje autom´atico (Cambria, 2016). El primero
trata sobre el uso de recursos l´exicos u
ontolog´ıas clasificados por emoci´on
La incitaci´on al odio y el an´alisis de
emociones est´an estrechamente relacionados, ya
que generalmente las emociones negativas
aparecen en comentarios maliciosos. En los
u´ltimos an˜os, el inter´es por desarrollar
sistemas para combatir contenido malicioso en las
redes sociales apoy´andose en t´ecnicas
basadas en el reconocimiento de emociones ha
incrementado, tanto que, cada vez son m´as los
trabajos que proliferan en el ´ambito del PLN.
Algunos trabajos realizados hasta el
momento siguen un enfoque en el que se aplica en
primer lugar un clasificador para detectar
comentarios negativos antes de que el
clasificador final verifique espec´ıficamente si hay
evidencia de odio
Este proyecto de tesis se propone con la finalidad de desarrollar un sistema autom´atico de reconocimiento de emociones en espan˜ol con el objetivo de aplicarlo a tareas reales, como por ejemplo, la detecci´on del odio en las redes sociales.
En primer lugar, se est´an estudiando en detalle los trabajos que tratan el reconocimiento de emociones en ingl´es y en espan˜ol. Este estudio es fundamental para obtener conocimiento de los enfoques m´as utilizados en ingl´es y reproducirlos con objeto de conocer y comparar su funcionamiento en espan˜ol.
Elegimos realizar el trabajo en espan˜ol, ya que son escasos los recursos disponibles actualmente en nuestra lengua, a pesar de ser la segunda lengua m´as hablada en el mundo y la tercera lengua m´as usada en la Web.
A continuaci´on, se mencionar´an los trabajos que se han realizado hasta el momento para la persecuci´on del objetivo de la tesis.
En 2018, uno de nuestros primeros
trabajos fue el desarrollo de tres sistemas
multilingu¨es con motivo de nuestra
participaci´on en tres subtareas (EI-oc, EI-reg, E-c)
de la Tarea 1 de SemEval: Affect in Tweets
En 2019, no solo nos centramos en el
reconocimiento de emociones en s´ı, si no que
tambi´en optamos por realizar sistemas orientados
a diferentes aplicaciones dentro del ´ambito de
la miner´ıa de la emoci´on, como por ejemplo,
la identificaci´on del lenguaje ofensivo o la
detecci´on de trastornos mentales (anorexia,
depresi´on) en las redes sociales. Por ello, hemos
participado en diferentes competiciones que
tratan dichas tareas. En primer lugar,
participamos una vez m´as en SemEval, en concreto,
en las tareas EmoContext, HatEval y
OffensEval. En la primera de ellas, implementamos
un sistema autom´atico orientado al
reconocimiento de cuatro emociones (enfado, tristeza
y alegr´ıa y otras) en un di´alogo textual entre
dos personas incorporando caracter´ısticas
derivadas de diferentes lexicones afectivos. En
la segunda tarea, implementamos un sistema
multilingu¨e para la detecci´on del odio en
redes sociales dirigido a dos objetivos
espec´ıficos: inmigrantes y mujeres. Para la tercera
tarea, desarrollamos un sistema con el
objetivo de identificar el lenguaje ofensivo en las
redes sociales. Por otra parte, este an˜o
hemos participamos por primera vez en CLEF
eRisk 2019: Early risk prediction on the
Internet
Los objetivos concretos que se pretenden alcazar con este proyecto son los siguientes: Extraer informaci´on subjetiva de las diferentes plataformas (blogs, redes sociales, foros, etc) que dispongan de emociones.
Generar y adaptar distintos recursos para el reconocimiento de emociones en espan˜ol, tanto corpus como lexicones.
Procesar dicha informaci´on para desarrollar sistemas que sean capaces de identificar las diferentes categor´ıas emocionales.
Aplicar los sistemas desarrollados a aplicaciones reales para solucionar problemas actuales. 4
La metodolog´ıa que se propone para la consecuci´on de esta tesis se presenta a continuaci´on: 1. Estudio y revisi´on del estado del arte.
Se realizar´a un estudio de la bibliograf´ıa existen sobre la miner´ıa de emociones en ingl´es y en espan˜ol. 2. Creaci´on, adaptaci´on e integraci´on de recursos existentes para poder realizar un an´alisis de los m´etodos propuestos. Se intentar´a crear recursos lingu¨´ısticos adem´as de adaptar ciertos recursos ya disponibles en ingl´es. 3. Desarrollo de un prototipo. Se tratar´a de implementar un sistema de detecci´on de emociones para el espan˜ol y se aplicar´a a determinadas tareas tales como la detecci´on de la incitaci´on al odio.
lar que permita integrar nuevas funcionalidades a medida que se vaya avanzando en la investigaci´on.
4. Experimentaci´on y evaluaci´on. Se utilizar´an los recursos generados para llevar a cabo la experimentaci´on y posteriormente se proceder´a a la evaluaci´on del prototipo, llevando a cabo una comparaci´on de los resultados obtenidos con los ya existentes. Los resultados obtenidos se pondr´an a disposici´on de la comunidad cient´ıfica. 5
Las principales cuestiones de investigaci´on a las que se pretende responder con este proyecto de tesis son las siguientes:
Estudios psicol´ogicos muestran que las emociones del ser humano van ligadas a su cultura e idioma. Por tanto, ¿es necesario crear recursos emocionales teniendo en cuenta el idioma? o ¿una simple traducci´on entre recursos es suficiente? ¿Qu´e caracter´ısticas se deben tener en cuenta en el proceso del an´alisis de emociones? ¿C´omo se pueden utilizar estas caracter´ısticas para mejorar los sistemas de reconocimiento de emociones? ¿Qu´e algoritmos son los que nos proporcionan una mayor exactitud para reconocer las diferentes categor´ıas emocionales en un texto? Dado que los usuarios en las redes sociales es donde m´as suelen expresar sus emociones, ¿es u´til esta informaci´on para la creaci´on de recursos l´exicos? ¿Es u´til incorporar conocimiento afectivo para detectar problemas como el odio o los trastornos mentales?. En caso afirmativo, ¿qu´e caracter´ısticas afectivas aportan m´as valor?
Este trabajo ha sido parcialmente subvencionado por el Fondo Europeo de Desarrollo Regional (FEDER) y el proyecto REDES (TIN2015-65136-C2-1-R) del Gobierno de Espan˜a.
Cambria, E. 2016. Affective computing and sentiment analysis. IEEE Intelligent Systems, 31(2):102–107.
Chaffar, S. y D. Inkpen. 2011. Using a heterogeneous dataset for emotion analysis in text. En Canadian Conference on Artificial Intelligence, p´aginas 62–67. Springer. Cohen-Almagor, R. 2011. Fighting hate and bigotry on the internet. Policy & Internet, 3(3):1–26.
D´ıaz Rangel, I., G. Sidorov, y S. Su´arez Guerra. 2014. Creaci´on y evaluaci´on de un diccionario marcado con emociones y ponderado para el espan˜ol. Onomazein, 1(29). Dinakar, K., B. Jones, C. Havasi, H. Lieberman, y R. Picard. 2012. Common sense reasoning for detection, prevention, and mitigation of cyberbullying. ACM Transactions on Interactive Intelligent Systems (TiiS), 2(3):18.
Ekman, P. 1992. An argument for basic emotions. Cognition & emotion, 6(3-4):169– 200.
Erjavec, K. y M. P. Kovaˇciˇc. 2012. “you don’t understand, this is a new war!” analysis of hate speech in news web sites’ comments. Mass Communication and Society, 15(6):899–920.