Este documento introduce el tema de la minería de opiniones y discute varios conceptos fundamentales. Explica la diferencia entre hechos y opiniones y por qué es importante distinguir entre ellos. Luego describe varias tareas clave en la minería de opiniones, como la clasificación de sentimientos a nivel de documento, frase y característica. También introduce diferentes formatos de reseñas y cómo se pueden extraer características y resumir opiniones sobre ellas de manera estructurada.

1. OPINION MINING
Web y Text MiningJuan Azcurra

2. Introducción: Hechos vs.
Opiniones2
 Una manera de dividir la información según
objetividad: Hechos (supuestamente objetivos) y
Opiniones (evidentemente subjetivos)
 La mayoría de las técnicas de IR trata a todo como
hechos (asume que son ciertos, o su veracidad es
otro problema).
 Los hechos pueden ser identificados simplemente por su
descripción (tópicos).
 Los motores de búsqueda no entienden de opiniones
 Las opiniones no se resumen con un tópico:
 ¿Que piensa la gente acerca de los teléfonos Nokia?
 La manera de armar un ranking en un motor de
búsqueda no sirve para armar ranking incluyendo
opiniones (una opinión, ¿es más o es menos
relevante que un hecho?).

3. Introducción – Opiniones
3
 Opiniones en la web
 Es mucho mas fácil escribir opiniones que hechos
(bloggers vs. periodistas). Se pueden encontrar
opiniones en casi cualquier agregación de contenido:
comentarios sobre cosas (productos, libros,
películas), foros de discusión, blogs.
 Agregadas, estas opiniones contienen información
valiosa sobre cosas, y sobre la gente que usa esas
cosas. Esta información no es imparcial, pero refleja
el gusto colectivo.
 Queremos extraer opiniones a partir de contenido
generado por la gente, que no fue escrito con el
objetivo de hacer la extracción más fácil.

4. Opinion Mining en la Web
4
 Empresas: gastan muchísimo dinero en encuestas y focus groups
para averiguar que opinan sus clientes. Se puede usar opinion
mining para saber que opinan los clientes de sus productos y
servicios, y de los de la competencia.
 Personas: Una persona busca la opinión de otras para:
 Comprar un producto o servicio
 Encontrar opiniones similares sobre temas políticos
 Tomar una decisión con alto grado de incertidumbre, recibiendo el
consejo de “expertos”.
 Publicidad Online: Se puede mejorar la efectividad de un anuncio
publicitario si éste aparece cuando:
 El producto es un producto sobre el que la persona tiene opinion
positiva.
 Se resaltan las diferencias con productos sobre los que la persona dio
opinión negativa.
 Mercado de Opiniones: Mucha gente apostando al resultado de un
evento (opinando) incorpora muchos puntos de vista, que
colectivamente dan buenos resultados como predictores (Iowa
Electronic Markets http://www.biz.iowa.edu/iem).

5. Tipos de opinión
5
 Opiniones Directas: Una persona expresa lo que
siente sobre algo (productos, eventos, personas,
etc).
 “P.ej. La recepción de este teléfono es excelente”
 Estas opiniones son siempre subjetivas, o limitadas a
la experiencia del usuario.
 Comparaciones: Son opiniones que expresan
similaridades o diferencias entre varios objetos, la
mayoría del tiempo definen un orden.
 P.ej. “La batería del nokia N95 dura mucho más que
la del IPhone”.
 Pueden ser objetivas (testeadas) o subjetivas.

6. Opinion Mining: El ideal
6
 ¿Se pueden buscar y clasificar opiniones como si
fuera buscar y clasificar tópicos?
 Escenario ideal: poder resumir las opiniones
colectivas sobre todo:
 Opiniones: “Motorola RAZR”
 Comparaciones: “Motorola vs. Nokia” (a través del
tiempo)
 Ranking: ¿Cuál es el producto propio del que
nuestros clientes tienen peores opiniones?
 Clasificación: ¿Es un párrafo dado una opinión o una
descripción?

7. Encontrando la opinión de una
persona sobre X7
 En algunos casos un motor de búsqueda es
suficiente: P.ej. “Opinión de Kirchner sobre
indultos”
 Esto funciona porque…
 Una persona u organización normalmente tiene
una sola opinión sobre una cosa o hecho en
particular, y esa opinión se encuentra descripta
en un documento.
 ¿Que pasa cuando queremos agregar opiniones?

8. Encontrando la opinión de una
persona sobre X8
 Encontrar opiniones sobre X es diferente de
encontrar a X (búsqueda tradicional).
 Ordenar los resultados es diferente: En una
búsqueda tradicional, los resultados se
ordenan a partir de un criterio de utilidad (o
autoridad). 1resultado = 1 página.
 Opinion search: Ranking en base a utilidad
(que tanto un párrafo es una opinión sobre X),
y autoridad (que tan reputada es la fuente de
la opinión). 1 resultado = varias páginas.

9. Buscando opiniones
9
 Distribución del Ranking:
 ¿Producir 2 rankings…
 Mostrando separadamente opiniones positivas y negativas
 Mostrando algún resumen de todo (p.ej. cuantas de cada
tipo)
 …O producir 1 ranking?
 Donde la parte más visible del ranking (p.ej. mejores 30)
reflejan la distribución entre todas las clases (p.ej positivos
y negativos) de todos los reviews (asumiendo que no hay
spam).
 Opinión General:
 ¿Debería el usuario leer todas las opiniones? O….
 ¿Debería el sistema preparar un resumen de las
opiniones?

10. Muchas críticas = Encuestas
10
 Reseñas y críticas tienen puntos en común
con encuestas tradicionales.
 En una encuesta tradicional, los formularios
llenados con las respuestas son la información
“cruda”.
 Luego se analizan todos los formularios para
resumir el resultado (p.ej.% en contra de un
tema).
 En minería de opiniones hace falta reunir
muchas opiniones en un resumen:
 ¿Se puede producir un resumen?
 ¿Qué debería incluir ese resumen?

11. Roadmap
11
 Opinion mining – Las partes básicas
 Domain level sentiment classification
 Sentence level sentiment analysis
 Feature-based sentiment analysis and
summarization
 Summary

12. Partes de una opinión
12
 Componentes de una opinión:
 Opinador/a: Una persona u organización que
expresa una opinión especifica sobre un objeto
en particular.
 Objeto: Sobre qué se opina.
 Opinión: Un punto de vista, postura, o valoración
de un objeto por parte de un opinador. Una
opinión puede ser positiva, negativa, o neutra.

13. Tareas en Opinion mining 1/2
13
 A nivel de Documento:
Objetivo: sentiment classification de críticas
 Clases: positive, negative, and neutral
 Presunción: cada documento (o crítica) se enfoca en
un solo objeto (no es cierto en foros) y contiene una
opinión de un solo opinion holder.
 A Nivel de Sentencia:
 Objetivo 1: identificar frases que contienen una
opinión
 Clases: objetiva / subjetiva (con opinión)
 Objetivo 2: sentiment classification de frases
 Clases: positive, negative and neutral.
 Presunción: Una frase contiene solo una opinión.

14. Tareas en Opinion mining 2/2
14
 A Nivel de Feature:
 Tarea 1: Identificar y extraer las features que
marcan comentarios en cada documento o
párrafo.
 Tarea 2: Determinar si las las features están
asociadas a opiniones positivas, negativas o
neutrales.
 Tarea 3: Agrupar features en sinónimos.
 Producir un resumen de varias opiniones a partir de
los features.
 Opinion holders: Identificar a los opinion holders
es también útil (p. ej. Quién escribió un artículo).

15. Más a nivel de Feature
15
 Problema 1: Tanto F (el conjunto de features)
como W (el conjunto de sinónimos de cada
feature) es desconocido.
 Hace falta llevar a cabo las 3 tareas.
 Problema 2: F es conocido pero W no.
 Hace falta llevar a cabo las 3 tareas, pero la tarea
3 es más fácil; se convierte en un problema de
asociar features nuevas al set de features
conocidas.
 Problema 3: F y W son conocidos
 Solo hace falta llevar a cabo la tarea 2.

16. Roadmap
16
 Opinion mining – the abstraction
 Document level sentiment classification
 Sentence level sentiment analysis
 Feature-based sentiment analysis and
summarization
 Summary

17. Sentiment classification
17
 Clasificar documentos (p.ej. críticas)
basándonos en la impresión general
expresada por los autores,
 Positiva, negativa, y (tal vez) neutral.
 En este modelo, la opinión es sobre un objeto O.
 Parecido pero diferente a clasificación de
texto:
 En clasificación de texto basada en tópicos, las
palabras que indican los tópicos son importantes.
 En sentiment classification, palabra que indican
sentimiento son más importantes, p.ej., bueno,
excelente, horrible, malo, peor, etc.

18. Unsupervised review classification
(Turney, ACL-02)18
 Datos: Críticas de epinions.com acerca de
automóviles, bancos, películas, y destinos de
viajes.
 Enfoque: 3 pasos
 Paso 1:
 Part-of-speech tagging
 Extraer 2 palabras consecutivas de las críticas si
los PoS tags siguen algún patrón dado, p.ej. NN
AQ.

19. 19
 Paso 2: Estimar la orientación semántica de
las frases extraídas
 Usa Pointwise mutual information
 Semantic orientation (SO):
SO(phrase) = PMI(phrase, “excelente”)
- PMI(phrase, “pobre”)
 Extrae las frases usando el operador NEAR
de AltaVista para buscar el número de veces
que aparecen juntas y cerca, y así calcular

20. 20
 Paso 3: Calcular el SO promedio de todas las
phrases
 clasifica el objeto como recomendado si el SO
promedio es positivo, y no recomendado si es
negativo.
 Precisión final de la clasificación:
 automóviles - 84%
 bancos - 80%
 películas - 65.83
 destinos de viajes - 70.53%

21. Sentiment classification usando
machine
learning (Pang et al, EMNLP-02)21
 Este paper aplicó varias técnicas de machine
learning techniques para clasificar críticas de
películas en positivas o negativas.
 Probó con 3 métodos de clasificación:
 Naïve Bayes
 Maximum entropy
 Support vector machine
 Pre-procesamiento: negation tag, unigrama
(single words), bigramas, POS tag, position.
 SVM: la mejor precision, 83% (con unigramas)

22. Roadmap
22
 Opinion mining – the abstraction
 Document level sentiment classification
 Sentence level sentiment analysis
 Feature-based sentiment analysis and
summarization
 Summary

23. Sentiment Analysis a nivel de
Frase23
 Sentiment classification a nivel de documento
es muy vago para la mayoría de las
aplicaciones.
 La mayoría del trabajo en clasificación de
opiniones a nivel de frases se enfoca en
identificar cuáles son las frases subjetivas en
noticias.
 Clasificación: objetiva / subjetiva.
 Todas las técnicas usan formas de machine
learning.

24. 24
 Sentiment classification de críticas y frases es
útil, pero ignora qué es lo que a la persona le
gusta o disgusta (el objeto).
 P.ej. “El auto es muy bueno, pero a mí no me
gusta la trompa”.
 Que una frase tenga sentimiento
negativo/positivo no quiere decir que ese
sentimiento se aplique a todos los objetos en
la frase.
 Necesitamos identificar los objetos como
features.

25. Roadmap
25
 Opinion mining – the abstraction
 Document level sentiment classification
 Sentence level sentiment analysis
 Feature-based sentiment analysis and
summarization
 Summary

26. Feature-based opinion mining and
summarization (Hu and Liu, KDD-
04)26
 Enfocado en críticas a productos (es un dominio
concreto)
 Objetivo: Encontrar qué les gustó/disgustó a los
opinion holders.
 Qué = características de productos.
 Como puede haber varias críticas diferentes de
un mismo objeto, queremos producir un resumen
de las opiniones.
 Es deseable que sea un resumen con estructura
 Que los resultados sean fácilmente comparable.

27. Tareas
27
 Volviendo a las 3 etapas de la extracción...
 Tarea 1: Extractar features de objetos que
haya sido comentadas frecuentemente.
 Tarea 2: Determinar si las opiniones sobre las
features son positivas, negativas o neutras.
 Tarea 3: Agrupa las features en sinónimos.

28. Diferentes formatos de críticas
28
 Formato 1 - Pros, Cons y crítica detallada: El
autor describe Pros y Cons separadamente y
además escribe una crítica detallada
(Epinions.com).
 Formato 2 - Pros and Cons: El autor describe
sólo Pros y Cons, separadamente.
(C|net.com).
 Formato 3 - Libre: El autor escribe libremente,
sin separación de Pros y Cons.
(Amazon.com).

29. 29

30. Resumen visual y comparación
30

31. Extracción de Features a partir de
los Pros and Cons del Formato 131
 Observación: Cada segmento de frase en los
Pros o Cons contiene solo una feature. Los
segmentos de una frase se pueden reconocer por
estar separados por comas, puntos, dos puntos,
guiones, ‘y’, ‘pero’, etc.
 Pros en un Ejemplo se podría separar en 3
segmentos:
great photos <photo>
easy to use <use>
very small <small>  <size>
 Cons se podría separar en 2 segmentos:
battery usage <battery>
included memory is stingy <memory>

32. Extracción usando Label
Sequential Rules32
 Label sequential rules (LSR) es un tipo de
patrón descubierto a partir de secuencias.
 LSR Mining es supervisado. El conjunto de
entrenamiento es una serie de secuencias
p.ej.,
 “Included memory is stingy”
 que se convierte en una secuencia con POS
tags.
 {included, VB}{memory, NN}{is, VB}{stingy, JJ}
 y luego en
 {included, VB}{$feature, NN}{is, VB}{stingy, JJ}

33. Identificando la orientación de una
opinión de una feature33
 La unidad de trabajo es la frase, pero considerando
que:
 Una frase puede contener varias features.
 Diferentes features pueden tener diferentes orientación de
opiniones.
 P.ej: The battery life and picture quality are great (+), but
the view founder is small (-).
 Casi todos los enfoques se basan en opinion words y
frases de opinión. Pero no es tan fácil:
 Algunas opinion words tienen orientación
independientemente del contexto, p.ej. “fantástico”
 La orientación de algunas otras opinion words
depende del contexto, p. ej “pequeño”.

34. Detectando Frases de Opinión por
Reglas34
M=modificador, NP=frase nominal, P=Predicado, O=objeto
 La orientación se propaga de una palabra
conocida a una desconocida mediante
conjunciones, disjunciones, sinónimos y
antónimos (vía WordNet), detección de familia de
palabras (bueno, buenísimo).
Regla Ejemplo
si E (M,NP=f)  po=M expensive scanner
si E (S=f,P,O)  po=O Lamp has problems
si E (S,P,O=f)po=P I hate this scanner
si E(S=f,P)  po=P Program crashed