¿Tiene carácter predictivo la estructura predicativa [verbo + objeto directo]? Hacia una caracterización sintáctico-semántica para propósitos de análisis de sentimientos
DOI:
https://doi.org/10.17533/udea.lyl.n78a01Palabras clave:
análisis de sentimientos, verbo, complemento de objeto directo, pobreza en Colombia, lingüística de corpusResumen
Tradicionalmente, el análisis de sentimientos se ha centrado en la clasificación de textos cortos con unidades lingüísticas simples como el adjetivo. Sin embargo, otras unidades, como elementos predicativos, podrían ser discriminantes de elementos discursivos más grandes como las noticias de prensa. Así, en este artículo, se caracteriza la estructura predicativa [verbo + objeto directo] en un corpus de noticias sobre pobreza en tres diarios colombianos. Se concluye que este tipo de unidades tienen un carácter discriminante en el dominio de este corpus.
Descargas
Citas
Alcoba, S. (1999). La flexión verbal. En Bosque, I., & Demonte, V. (Eds.). Gramática Descriptiva de la Lengua Española (p. 4917).
Álvarez, S., & Naharro, N. (2017). Representaciones de la pobreza en la prensa hegemónica Argentina. En Chiquito, A., & Quiroz, G. (Eds.). Pobreza, Lenguaje y Medios en América Latina (pp. 235–264). Berna: Peter Lang.
Benamara, F., Cesarano, C., Picariello, A., Reforgiato, D., & Subrahmanian, V. (2007). Sentiment Analysis: Adjectives and Adverbs are better than Adjectives Alone. En Proceedings of International Conference on Weblogs and Social Media.
Bosque, I. (2006). Diccionario combinatorio práctico del español contemporáneo. Madrid: Ediciones SM.
Chiquito, A., & Quiroz, G. (Eds.) (2017). Pobreza, lenguaje y medios en América Latina. Berna: Peter Lang.
Chomsky, N. (1997). What Makes Mainstream Media Mainstream. Recuperado de http://www.zmag.org/chomsky/articles/z9710-mainstream-media.html
Colombia. DANE. (2012). Pobreza en Colombia. Bogotá D.C.: Oficina de Prensa DANE.
Ding, X., Liu, B., & Yu, P. S. (2008). A Holistic Lexicon-based Approach to Opinion Mining. En Proceedings of the International Conference on Web Search and Web Data Mining - WSDM’08 (pp. 231-240).
Gili Gaya, S. (1980). Curso superior de sintaxis española. Barcelona: Vox Biblograf.
Hatzivassiloglou, V. & McKeown, K. R. (1997). Predicting the Semantic Orientation of Adjectives. En Proceedings of the 35th Annual Meeting on Association for Computational Linguistics (pp. 174–181). Association for Computational Linguistics.
Hatzivassiloglou, V. & Wiebe, J. M. (2000). Effects of Adjective Orientation and Gradability on Sentence Subjectivity. En Proceedings of the 18th Conference on Computational Linguistics, (1), (pp. 299-305). Association for Computational Linguistics.
Joshi, M. & Penstein-Rosé, C. (2009). Generalizing Dependency Features for Opinion Mining. En Proceedings of the ACL-IJCNLP 2009 Conference Short Papers (pp. 313-316).
Koppel, M. & Schler, J. (2006). The Importance of Neutral Examples for Learning Sentiment. Computational Intelligence, 22(2), pp. 100-109.
Levin, B. (1993). English Verb Classes and Alternations. Chicago: The University of Chicago Press.
Liu, B. (2012). Sentiment Analysis and Opinion Mining. En Hirst, G. (Ed.). Synthesis Lectures on Human Language Technologies (pp. 1-167). California: Morgan & Claypool.
Lorente, M. (2002). Verbos y discurso especializado. Estudios de Lingüística del Español [En línea]. Recuperado de http://elies.rediris.es/elies16/Lorente.html
Mullen, T., & Collier, N. (2004). Sentiment Analysis Using Support Vector Machines with Diverse Information Sources. En Proceedings of the 2004 Conference on Empirical Methods in Natural Language Processing (4), (pp. 412-418).
Nasukawa, T., & Yi, J. (2003). Sentiment Analysis: Capturing Favorability Using Natural Language Processing. En Proceedings of the 2nd international conference on Knowledge capture (pp. 70-77).
Naciones Unidas. (2015). Objetivos de Desarrollo del Milenio. Nuevas Ediciones S.A. Recuperado de http://www.un.org/es/millenniumgoals/pdf/PR_Global_MDG09_SP.pdf
Ng, V., Dasgupta, S., & Arifin, S. (2006). Examining the Role of Linguistic Knowledge Sources in the Automatic Identification and Classification of Reviews. En Proceedings of the COLING/ACL on Main Conference Poster Sessions (pp. 611-618).
Pardo, N. & Ruiz, J. (2017). Pobreza y bienestar en Colombia, construcción de referenciales en perspectiva mediática. En Chiquito, A. & Quiroz, G. (Eds.). Pobreza, lenguaje y medios en América Latina (pp. 265-302). Berna: Peter Lang.
Pérez Pérez, C. M. (2018). Metodología para la caracterización de patrones [verbo + objeto directo] sobre pobreza en la prensa colombiana para propósitos de análisis de sentimientos (tesis de maestría). Universidad de Antioquia, Medellín, Colombia.
Quiroz, G., Tamayo, A., & Zuluaga, J. (2017). Cuestiones metodológicas y técnicas en la recolección de un corpus de prensa con la palabra «pobreza». En Chiquito, A. & Quiroz, G. (Eds.). Pobreza, lenguaje y medios en América Latina (pp. 21-41). Berna: Peter Lang.
Quiroz, G., Chiquito, A., & Zuluaga, J. (2017). Cómo se representa lingüísticamente la pobreza en la prensa colombiana. En Chiquito, A. & Quiroz, G. (Eds.). Pobreza, lenguaje y medios en América Latina (pp. 83-107). Berna: Peter Lang.
Real Academia Española. (2017). Diccionario de la lengua española. Madrid: Espasa.
Riloff, E., & Wiebe, J. (2003). Learning Extraction Patterns for Subjective Expressions. En Proceedings of the 2003 Conference on Empirical Methods in Natural Language Processing (pp. 105-112). Association for Computational Linguistics.
Taboada, M., Brooke, J., Tofiloski, M., Voll, K., & Stede, M. (2011). Lexicon-based Methods for Sentiment Analysis. Computational Linguistics, 37(2), pp. 267-307.
Tamayo, A. (2018). Metodología para el análisis automático de sentimientos en documentos a partir de
técnicas de aprendizaje automático y lingüística computacional (Tesis de maestría). Universidad de Antioquia, Medellín, Colombia.
Tan, S., Wang, Y. & Cheng, X. (2008). Combining Learn-Based and Lexicon-Based Techniques for Sentiment Detection without Using Labeled Examples. SIGIR 2008.
Turney, P. D. (2002). Thumbs Up or Thumbs Down?: Semantic Orientation Applied to Unsupervised Classification of Reviews. En Proceedings of the 40th Annual Meeting on Association for Computational Linguistics (pp. 417-424). Association for Computational Linguistics.
Whitelaw, C., Garg, N., & Argamon, S. (2005). Using Appraisal Groups for Sentiment Analysis. En Proceedings of the 14th ACM International Conference on Information and Knowledge Management (pp. 625-631). ACM.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Lingüística y Literatura
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Creative Commons by-nc-sa
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
1. La revista es el titular de los derechos de autor de los artículos, los cuales estarán simultáneamente sujetos a la Licencia Internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0. que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación en esta revista.
2. Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
3. Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada.
