Sentimiento en Webs

Avatar de Usuario
Dalamar
Site Admin
Mensajes: 8963
Registrado: 09 May 2012 01:38

Sentimiento en Webs

Mensajepor Dalamar » 27 Ene 2017 13:24

Sentimiento en Webs

Vamos a descargar una lista de simbolos de Stocks, por ejemplo de:

http://stackoverflow.com/questions/2533 ... f-a-market

El siguiente paso es buscar un blog al azar y averiguar si habla de alguno de esos Stocks.

Despues averiguaremos si el sentimiento es positivo o negativo...
Adjuntos
Yahoo-Ticker-Symbols-Jan-2016.zip
(6.82 MiB) Descargado 18 veces
¿Te ha gustado este hilo? Compartelo en las redes sociales para que se sume mas gente a la conversacion!

Avatar de Usuario
Dalamar
Site Admin
Mensajes: 8963
Registrado: 09 May 2012 01:38

Re: Sentimiento en Webs

Mensajepor Dalamar » 13 Feb 2017 18:41

Un dataset muy interesante sobre sentimiento:

http://nlp.stanford.edu/sentiment/code.html
¿Te ha gustado este hilo? Compartelo en las redes sociales para que se sume mas gente a la conversacion!

Avatar de Usuario
Dalamar
Site Admin
Mensajes: 8963
Registrado: 09 May 2012 01:38

Re: Sentimiento en Webs

Mensajepor Dalamar » 15 Sep 2017 12:06

Con NLTK es facil empezar a hacer experimentos.
nltktest.jpg
¿Te ha gustado este hilo? Compartelo en las redes sociales para que se sume mas gente a la conversacion!

Avatar de Usuario
Dalamar
Site Admin
Mensajes: 8963
Registrado: 09 May 2012 01:38

Re: Sentimiento en Webs

Mensajepor Dalamar » 23 Sep 2017 08:43

Vamos a hacer unos experimentos usando gensim y Doc2Vec.

Vamos a usar para entrenar el dataset de: http://ai.stanford.edu/~amaas/data/sentiment/

Tenemos 25 mil review con etiqueta de sentimiento negativo y 25 mil positivos para entrenar, los dividimos entre train y test.

Entrenamos un modelo Doc2Vec.
TrainDoc2VecModel.JPG


Basados en este modelo podemos ver similitud entre palabras.
Similarities.JPG
Similarities.JPG (28.07 KiB) Visto 230 veces


Ahora tenemos un monton de vectores que identifican nuestros documentos, y etiquetas que nos dicen si contienen sentimiento positivo o negativo.
TrainTestDatasets.JPG


Por lo que podemos entrenar modelos de machine learning para analizar el sentimiento de documentos nuevos.
ClassifierLogisticRegressionRun.JPG

ClassifierLogisticRegression.JPG


Podemos ver lo que se tarda en otros modelos y los resultados:

OtherModels1.JPG


OtherModels2.JPG
¿Te ha gustado este hilo? Compartelo en las redes sociales para que se sume mas gente a la conversacion!


Volver a “Inteligencia Artificial”

Ingresar