Investigadores del Instituto Indio de Información, Tecnología y Gestión Atal Bihari Vajpayee han desarrollado un innovador marco para el análisis de sentimientos en tiempo real de los mensajes en X, la plataforma de redes sociales antes conocida como Twitter. Este sistema emplea una combinación híbrida de técnicas de Procesamiento de Lenguaje Natural (NLP) basadas en reglas y transformadores para evaluar opiniones públicas de manera eficaz, destacando sus aplicaciones en gestión de reputación corporativa y análisis financiero.
El estudio integra el razonador de sentimientos VADER y el modelo transformador DistilBERT para lograr un equilibrio entre eficiencia y comprensión contextual. Al recopilar datos de X mediante un módulo de raspado web en tiempo real, el sistema procesa y clasifica las emociones con una precisión del 87.6% y una puntuación F1 de 0.84, superando así enfoques de modelo único.
Resultados experimentales indican que este enfoque híbrido no sólo mejora el monitoreo de la reputación corporativa, sino que también puede usarse para seguir el humor de los inversionistas. En términos de resultados, compañías como Amazon y Samsung muestran puntuaciones notablemente positivas, mientras que otras, como Microsoft y Walmart, enfrentan percepciones predominantemente negativas.
El sistema identificó que el contenido en X presenta desafíos únicos para el procesamiento tradicional, debido a la informalidad del lenguaje y el uso de abreviatura y emojis. Como solución, se establece un sofisticado protocolo de preprocesamiento del texto que elimina ruido y normaliza el contenido para un análisis preciso.
El análisis basado en aspectos desveló que incluso compañías con buenas puntuaciones generales enfrentan áreas específicas de percepción negativa, sugiriendo la necesidad de abordar problemas como las prácticas laborales para mejorar el sentimiento público y las relaciones comerciales.
Este marco ofrece múltiples aplicaciones prácticas, permitiendo a las empresas reaccionar a las amenazas de reputación en tiempo real y proporcionándoles herramientas para decisiones estratégicas basadas en datos. Aunque enfrenta limitaciones como restricciones de idioma, ofrece un modelo escalable para el análisis de sentimientos en redes sociales que promete ampliaciones futuras. Este estudio subraya la importancia del análisis de sentimientos para entender y gestionar la percepción y reputación en la era digital.