En este trabajo se ha presentado, en primer lugar, la propuesta de nuestro enfoque para la detección de emociones en textos mediante la construcción de conjuntos emocionales. La construcción de dichos conjuntos emocionales se ha diseñado ad-hoc con motivo de esta investigación, y para ello nos hemos centrado en las cuatro emociones básicas definidas por Zinck y Newen [92], entre otros; esto es: joy, sadness, anger y fear.
Nuestro enfoque está basado en la recuperación de información a través de un procedimiento de traducción (cross-linguistic information retrieval). Como punto de partida se tomaron las cuatro emociones básicas antes mencionadas y, a continuación, se procedió a completar estos cuatro conjuntos con palabras que de alguna forma u otra evocasen a cada una de dichas emociones. En el enfoque que se propone en este trabajo, se ha decidido trabajar con el inglés como idioma inicial y el español como idioma final, basándonos en el recurso lingüístico online bab.la3.
En segundo lugar con el fin de evaluar la adecuación de nuestra propuesta (los conjuntos emocionales), se realizó un estudio comparativo de ésta con S-ANEW [69], centrado, concretamente, en comparar como nuestra propuesta y S-ANEW clasifican las palabras de sus conjuntos y de qué tipo son las palabras contenidas en ambos. La gran diferencia entre nuestra propuesta y S-ANEW yace en que ellos trabajan con palabras que se utilizan en la vida cotidiana que de alguna forma despiertan emociones y han sido calificadas con el criterio subjetivo de un grupo de personas. En cambio, en el caso de los conjuntos emocionales, la propuesta es trabajar con palabras que a través de su significado (de diccionario) evocan una emoción, sin la intervención subjetiva del criterio humano.
Una vez realizada la comparación de ambos enfoques se concluye que existe una clara correspondencia entre la descripción de las palabras propuestas por S-ANEW y las palabras contenidas en nuestra propuesta. Además, se puede concluir que nuestra propuesta ha demostrado que proporciona un mecanismo coherente capaz de construir conjuntos de palabras “evocadoras” de emociones asociadas a emociones concretas. Por otra parte, su enfoque cross- lingüistico permite que se aplique desde una perspectiva multilenguaje, con el fin de crear conjuntos emocionales en otros idiomas.
En tercer lugar, una vez construida y validada nuestra propuesta de conjuntos emocionales, hemos procedido a aplicarlos para el análisis emocional de textos literarios y conversaciones con el fin de realizar la categorización no supervisada de perfiles emocionales y de poemas de diferentes autores.
3
Página | 44
La realización de los estudios anteriores estaba asociada, desde el comienzo del trabajo, al planteamiento de algunas hipótesis y preguntas, las cuáles examinamos a continuación desde la perspectiva de los resultados obtenidos.
Respecto a las hipótesis planteadas, la primera de ellas era:
1. Al analizar emocionalmente cuentos infantiles de cinco autores, los rangos emocionales tendrían que ser parecidos, debido a que cuando se habla de cuentos infantiles se asume que la emoción dominante tendría que ser la felicidad.
Los resultados obtenidos tras al análisis emocional realizado en el apartado 4.1.1 nos muestran que nuestra primera hipótesis no es aplicable, debido a que los resultados presentan una clara división en dos clústeres emocionales: El primer clúster está formado por los tres escritores que concentran el porcentaje de joy más alto, siendo estos los Hnos. Grimm, Andersen y Perrault; el segundo clúster está formado por los dos escritores que concentran el porcentaje de joy más bajo y fear con el porcentaje más alto, Pardo Bazán y Bécquer.
De este análisis se concluye que ambos clústeres son inversamente proporcional con respecto al joy y al fear, es decir que, en el primer clúster mientras más alto sea el nivel de joy, más bajo será el nivel de fear, y el segundo clúster muestra que, mientras más bajo sean los niveles de joy más altos serán los de fear. Estos resultados podrían sugerir que es posible identificar, de alguna manera, el perfil emocional de los cuentos con la época, social o temporal, en que éstos fueron escritos, aunque se trate del mismo tipo de género literario.
En cuanto a la segunda de nuestras hipótesis, que se planteaba sobre la premisa anterior:
2. Si se analizan los trabajos de dos escritores famosos tanto en género lírico como en el narrativo, tendríamos resultados emocionales muy parecidos en cada uno de los géneros. En este caso, en relación al género narrativo, en los cuentos escritos por los dos escritores objeto del estudio se ha encontrado que la emoción predominante es fear, y en proporciones parecidas:
Bécquer ha obtenido un promedio del 39,75%, mientras Benedetti ha obtenido un promedio del
36,66%. La diferencia entre ambos se encuentra en cuál es la segunda emoción más fuerte en cada uno de ellos, siendo sadness en el caso de Bécquer, con el 24,36%, y joy en el de
Benedetti, con el 28,61%.
En relación al género lírico, ambos escritores manifiestan diferencias emocionales notorias:
Página | 45
proporción que el caso de la narrativa, con un promedio de 42,44%. En el caso de Benedetti, ahora la emoción predominante cambia a ser sadness, con el 32,06%, dejando en segundo lugar a fear con el 26,73%. Además de este cambio, se puede observar un mayor equilibrio entre la proporción de las cuatro emociones en sus poemas.
Estos resultados podrían indicar que existen trazas de algún tipo de perfil emocional propio de cada escritor.
Además de las hipótesis anteriores, y asociadas a ellas, se plantearon algunos interrogantes que marcaron los objetivos de algunos de los estudios realizados:
1. ¿El sistema de reconociendo de emociones sería capaz de reconocer las diferencias en los sentimientos transmitidos en dos grupos de conversaciones, realizadas en un contexto específico?
En este trabajo el contexto elegido fue el intercambio de correos electrónicos en un ambiente académico. En este sentido, se encontró que en los correos electrónicos intercambiados entre
profesor – estudiante, joy es la emoción con los niveles más altos y anger se encuentra ausente
en estos resultados. A diferencia de los correos intercambiados entre compañeros de trabajo, en las conversaciones profesor – profesor las emociones están más equilibradas y, aunque joy sigue siendo la emoción más alta de las cuatro, sadness y anger tiene valores iguales.
Al ver que las conversaciones entre compañeros de trabajo (en este caso profesor – profesor) son emocionalmente más equilibradas que las conversaciones intercambiadas entre profesor – estudiante, se puede concluir que dicho equilibrio-desequilibrio emocional es el factor que identifica a estos dos tipos de conversaciones.
Y, en cuanto al último interrogante planteado:
2. ¿Si se toman los poemas de Francisco de Quevedo y una clasificación manual de los mismos, el sistema de reconocimiento propuesto sería capaz de realizar dicha clasificación automáticamente?
En este caso, el objetivo del experimento fue determinar si un clasificador con los resultados del análisis emocional de los poemas de Quevedo era capaz de reproducir la clasificación de José Manuel Blecua [66]. En la edición de Blecua el número de poemas recolectados fue de 185 bajo 4 categorías emocionales o afectivas: Amorosos, Canta sola a Lisi, Satíricos y Poemas filosóficos, morales y religiosos.
Página | 46
En este caso, se puede concluir que un clasificador con este tipo de información es capaz de producir una clasificación más del doble de precisión que una selección aleatoria. En otras palabras, se han encontrado evidencias de que el análisis emocional sobre textos puede proporcionar información valiosa para la categorización de los mismos.