Sé cómo te sientes cuando escribes en Twitter

Investigadores de la Universidad Politécnica de Madrid han desarrollado un programa capaz de desvelar en una fracción de segundo las emociones que se esconden detrás de los 140 caracteres. Su aplicación va de la política hasta el márketing.

Hay quienes aspiran a ser a ser reputados «influencers», están los que se conforman con ser pacíficos «followers» y también hay hueco para los que se rebelan adoptando la iracunda personalidad «hater». Además de abrumarnos con neologismos, Twitter, nos guste o no, se ha convertido en un termómetro del estado de ánimo de la sociedad: inquietudes, aspiraciones, miedos, esperanzas, deseos... Al menos en términos cuantitativos, no hay encuesta que supere su «muestreo»: 320 millones de usuarios en todo el mundo, 500 millones de tuits diarios, más de 200.000 millones de mensajes anuales... Entre toda esta marabunta de información, ¿podríamos extraer los sentimientos que se desprenden de cada conjunto de 140 caracteres? La respuesta es sí. Un equipo de investigadores de la Escuela Técnica Superior de Ingenieros Informáticos (ETSIInf) de la Universidad Politécnica de Madrid (UPM) ha desarrollado un algoritmo informático que, en apenas un instante, es capaz de descifrar el sentir de los tuiteros.

«Detrás de cada tuit existe muchísima información», explica a LA RAZÓN Asunción Gómez, catedrática y vicerrectora de la UPM. «Además del texto, podemos saber también desde qué dispositivo se ha escrito –ordenador, tableta, móvil...– y la geolocalización –si se ha escrito en Madrid, en la playa...–. Todo ello aparece en un lenguaje de programación», añade. Así, aplicando los algoritmos a los tuits, «podemos analizar el estado anímico de la persona a la hora de escribirlo, los sentimientos que tuvo», afirma.

Gómez dirige el Grupo de Ingeniería Ontológica de la UPM que lleva a cabo la investigación. Y, entre otras líneas, uno de sus campos de trabajo es lo que se conoce como la «inteligencia colectiva» en la red: el conjunto de saberes, ideas y, en este caso, sentimientos concretos que se pueden extraer de un vasto colectivo como es la red social Twitter. El objetivo es crear algoritmos cada vez más eficientes, programas que, una vez instalados en el ordenador, sean capaces de hacer esta labor.

Pero la tarea es ardua. Como si de un ser humano se tratara, la máquina debe aprender a diferenciar. «Son las técnicas de aprendizaje automático –‘‘machine learning’’ en inglés–. El ordenador aprende a base de ejemplos. Pero necesita muchos ejemplos, muchos tuits. Es necesario decir al ordenador: ‘‘Este tuit es un ejemplo de amor’’, ‘‘ese tuit es un ejemplo de odio’’, ‘‘aquél, de indiferencia’’...», explica Gómez. Aprender nunca es fácil, y en los ordenadores no es una excepción. Los informáticos deben entrenarles, «enseñarles», como si de profesores se tratase. Es cierto que la facultad de aprender las emociones puede llevar a las máquinas apenas unos minutos; sin embargo, sí que es necesario emplear más tiempo para que sea capaz de superar en velocidad a los seres humanos: dilucidar el ánimo de un tuit en una fracción de segundo.

Así, en este proceso se emplean «decenas de miles de mensajes» para que afloren las diferentes maneras de expresar un sentimiento. Y es que «el lenguaje humano es muy rico en expresiones, y el número de maneras de decir lo mismo es sorprendentemente grande. El ordenador necesitaría idealmente procesar todas ellas».

Ahora bien, ¿qué emociones puede diferenciar el ordenador? Más allá de saber si un tuit es positivo o negativo, puede distinguir entre cuatro binomios: amor/odio, confianza/temor, satisfacción/insatisfacción y felicidad/tristeza. «Las posibles categorizaciones son innumerables, pero éstas eran especialmente relevantes en el ámbito del márketing», dice Gómez.

Y es en este punto donde podemos responder la pregunta: ¿por qué es importante el análisis del «subtexto» de los mensajes de Twitter? Como explica Gómez, a día de hoy, se trata de una práctica ya implantada en el marketing empresarial. No sólo para conocer los hábitos de una persona, por dónde se mueve o qué lugares visita; también para percibir si está dudando entre la «marca A» o la «marca B», y saber si el usuario piensa «me he equivocado» o «he acertado» de acuerdo con su elección. En base a ello, las empresas pueden enviarles publicidad personalizada.

Sin embargo, tiene otra aplicación: la máquina como herramienta de análisis político. Por ejemplo, en vísperas de unas elecciones, el algoritmo, en su análisis de los comentarios, puede prever cuál es la tendencia de lo que piensa un sector concreto de la población. «Investigaciones de este tipo son imprescindibles para mantener la competitividad de las empresas españolas y pueden ubicar a la tecnología de nuestro país en una posición de liderazgo», afirma Gómez. Así, este algoritmo se ha llevado a cabo junto a Havas Media y bajo la financiación del Centro para el Desarrollo Tecnológico Industrial (CDTI), del Ministerio de Economía.

Así, hablamos de un campo, el de la ontología, con multitud de aplicaciones. Por ejemplo, el análisis de sentencias judiciales, otro de los trabajos de Gómez. Los sumarios pueden abarcar miles de páginas, y extraer información concreta de una persona o entidad es una ardua tarea. Un buscador de un pdf puede localizar un nombre que tecleamos, pero no nos localizará otra información ligada a él y de mucha utilidad como puede ser su DNI, su estado civil, etc. La UPM ha analizado documentos de este tipo. Y, como en el caso de Twitter, desarrollan modelos que, en base a técnicas de procesamiento del lenguaje natural, «nutren» a los ordenadores de esos datos, de forma que los acaban «entendiendo» y, así, pueden ofrecer una información más completa. En el caso de las máquinas, el saber tampoco ocupa lugar.