Gracias al blog de Rafa Chamorro he llegado a un interesantísimo artículo del NYT en el que abordan de forma muy didáctica la nueva generación de herramientas de análisis basados en la web semántica -sentiment analysis- que ya comienzan a despuntar en la red y que facilitan de forma radical la escucha activa.
No es la primera vez que se habla de Sentiment Analysis o de escucha activa en esta bitácora, dos conceptos genéricos – y en cierto sentido marketinianos- que agrupan aplicaciones, herramientas y plataformas dedicadas a rastrear la web en busca no ya de los hechos o las opiniones que genera una una marca, un político, o una administración pública, sino que centran sus pesquisas en los sentimientos que esa marca provoca, evaluando de forma automática medios online,webs, blogs y redes sociales para ofrecer resultados cualitativos agregados y fácilmente analizables.
Son aplicaciones cazadoras de sentimientos que aprenden de sus propios errores, capaces de medir las percepciones y emociones que nos producen determinados cambios sociales, decisiones gubernamentales, evoluciones de marca o lanzamientos de nuevos productos. Facilitando a estos actores sociales o empresariales tracks contínuos de su imagen ante los ciudadanos.
No es ciencia ficción, de hecho estoy teniendo la oportunidad de participar desde autoritas en diversos proyectos para varias administraciones públicas españolas en las que esta escucha activa permanente es una parte fundamental del mismo, alguno de ellos muy interesantes.
38 Comentarios
Cesar, como lamento tener que jugar el papel de pesimista por primera vez, pero estoy demasiado bien informado sobre Sentiment Analysis…
Algunos hechos a considerar:
1. La determinación de los “sentimientos” no es tal. Hablar de análisis de “sentimientos” es una etiqueta de comunicación comercial que desde un principio establece unas expectativas desajustadas. Creo que cuando se trata de procesar el “sentido” de un texto no es justo decir que se trata de interpretar el “sentimiento”.
2. La determinación del “sentido” de un pedazo de información, como bien dices se sustenta principalmente en procesos semánticos (interpretación del significado de una palabra desde un punto de vista lexicológico y gramatical), por lo tanto los límites o el éxito en determinar el “sentido” se encuentran en los límites del modelo de enriquecimiento semántico (idiomas, estructuras ontológicas estáticas y la ausencia del concepto del tiempo). A este respecto, muy buena fundamentación científica en: http://www.scribd.com/doc/15754867/From-Logic-to-Ontology-The-limit-of-The-Semantic-Web-MethaInternet?autodown=pdf y las alternativas matemáticas (también con sus limitaciones).
3. Por último. Cegados por el “sentimiento” fallamos en reflexionar sobre el propósito útil y práctico de sistemas de interpretación del sentido de lo que nuestro mercado dice. ¿Invertir en reaccionar o invertir en afectar? ¿Invertir en reflejar o invertir en influir en dicho reflejo? Quizás este debate en otro foro.
Gracias por postear sobre este tema.
#Angel, gracias por aportar tu visión, hay cosas que compartimos y otras que evidentemente, no.
La gran dificultad de este tipo de tecnologías es puramente técnico-interpretativa, es decir, tiene límites que vienen marcados por el desarrollo de las herramienta. De momento hace falta cierta intervención humana para desambiguar conceptos.
Lo que no comparto, y creo que es erroneo, es el sentido filosófico de tu planteamiento, me explico:
El uso de este tipo de herramientas para que una empresa conozca lo que opina el mercado sobre sus productos no resta que esta misma empresa deba continuar realizando propuestas a ese mismo mercado. Lo reactivo y lo propositivo han de caminar de la mano.
Si como dice el Cluetrain maniesto, “Los mercados son conversaciones”, Una empresa no puede permitirse el lujo de dejar de conocerlas y participar en estas conversaciones en las que sus clientes hablan de sus productos, analizar como son considerados estos y estar en posición de mejora contínua de los mismos.
La aplicación de lo que he dicho al mundo de la administración pública es lineal y no creo que sea necesario repetir los argumentos.
La web semantica ha dejado de estar en pañales y cada vez se acerca más a poder proporcionar herramientas utiles para empresas, administraciones o partidos politicos, por poner algunos ejemplos.
Ya ha pasado mas de un año desde que PRISA sacó su Lista WIP, que lo cierto es que no aportaba demasiado y daba muchosimos errores, y las cosas han avanzado enormemente, como señala el articulo del Times que se menciona.
Sobre las cuestiones filosoficas que comenta angelmaldonado, no puedo compartir su vision, ¿por que elegir entre “reaccionar” o “influir” s cuando puedes hacer las dos cosas?
Sin ánimo de crear polémica, no se si casan bien las palabras “cazando” y “sentimientos”. Os sigo en vuestro programa, porque el tema lo merece.
Yo también quiero decir algo. No es ningún misterio que tendemos a etiquetar las cosas para referirnos a un conjunto de acontecimientos, que suceden, han sucedido o están por suceder. Por qué se da por valido el término 2.0 y sin embargo se fundamenta en conceptos anteriores a la definición de la propia web (entiendo como tal al protocolo http)?
Sin embargo, cuando hablamos de este análisis de sentimientos, estamos hablando de tendencias, de gustos, y de la facilidad de realizar una personalización masiva.
Creo que, como dice Angel, es un concepto sentado sobre pilares puramente marketinianos, pero el fondo de la cuestión es lo que importa. Y muy posiblemente, la respuesta la podamos encontrar en la segmentación del sentimiento. De igual modo que los buscadores generalistas cada vez funcionan peor por la ausencia de segmentación, clasificación y categorización de la información, nos encontraremos con que los sentimientos enmarcados dentro de un contexto podrán ser interpretados con mayor eficiencia.
Para finalizar, el modo en que habéis hilado el concepto de escucha activa con el de analisis de sentimientos es poco “lioso”. Son procesos complementarios con niveles de madurez dispares. Mientras que la escucha es el medio, la interpretación es un posible fin (no necesariamente se escucha para interpretar sentimientos) y es, concretamente, donde esta el meollo de la cuestión
Este post, me ha alegrado la vuelta de vacaciones… un curioso debate con mucho recorrido. Gracias.
¡Perdón!, el enlace al blog era incorrecto.
Gracias Cesar, estoy totalmente de acuerdo contigo, con el valor de conocer nuestro ecosistema, de ser conscientes del medio. Las guerras las ganan los mejor informados (Dayán).
No he querido cuestionar este hecho evidente, solo cuestiono los modelos de interpretación MEDIBLE del sentido de las opiniones en Internet cuando exigen esfuerzos humanos, y es por este hecho por el que sugiero someterlos a las preguntas más infantiles; ¿Por qué?
Si su fruto depende de un esfuerzo intelectual (-como bien dices de momento, es necesaria cierta intervención humana-), es preciso plantearse estas preguntas. Intento responderme…
1. Si los medios humanos que he de asignar para interpretar pueden crecer proporcionalmente a las fuentes observadas entonces puedo.
2. Si los medios humanos que he de asignar crecen de forma inversamente proporcional a las fuentes entonces no puedo.
Sin duda es un área ideal para proponer ideas.
Excelente debate. A ver si soy capaz de aportar algo nuevo.
La web semántica ha evoluconado mucho omo se ha dicho y las aplicacinoes para poder rastrear y “escuchar” la información que hay por ahí han mejorado también. Lo que faltan aún són los sistemas capaces de interperetar información y convertirla en conocimiento. Tampoco es qu sea un fracaso que aún no hayamos llegado a ello, pero, creo que este sería el valor mas importante que podría aportar la web semántica y la Vinton Cerf vaticinó también.
Por otro lado, las redes sociales estan generando mucho conocimiento que se visualiza en forma de información. Los intentos de ordenar, clasificar y convertir este conocimiento en herramientas para la toma de decisiones se estan haciendo de manera improtante y con soluciones gratuítas. Creo que aquí hay una oportunidad importante para avanzar en otra línea: la de la gestión del conocimiento.
Habrá que seguir la evolución de los hechos.
Aprovecho para expresar mi opinión en contraposición a la de Ángel Maldonado
>> La determinación de los “sentimientos” no es tal. Hablar de
>> análisis de “sentimientos” es una etiqueta de comunicación
>> comercial que desde un principio establece unas expectativas
>> desajustadas. Creo que cuando se trata de procesar el “sentido”
>> de un texto no es justo decir que se trata de interpretar el
>> “sentimiento”.
Decir que el análisis de sentimiento es un término que semánticamente no se corresponde con el uso que se hace de él es una afirmación categórica e incorrecta, pues determinar el sentido o polaridad de un mensaje (es decir, si lo que expresa tiene connotaciones positivas o negativas), ya es identificar, a un nivel muy básico, el sentimiento expresado por su emisor.
De todas formas, aunque a lo que te refieras con determinar sentimiento sea determinar estado de ánimo (mood analysis) o la opinión vertida en términos más amplios que la polaridad (opinion mining / opinion analysis), es preciso ser justos, y referenciar trabajos relativamente recientes [1,2] y otros no tanto [3,4], que han demostrado que es viable identificar el sentimiento y estado de ánimo que subyacen a un texto, empleando técnicas de procesamiento de lenguaje natural y aprendizaje automático. No tengo constancia sin embargo, de trabajos que hayan conseguido lo mismo aplicado ontologías de términos, como sugieres en el punto 2) de tu argumentación, aunque sí de Taxonomías enriquecidas como Wordnet[5], (que aun útil, no consideraría una ontología).
El principal inconveniente que hace que por el momento estas técnicas no estén ampliamente difundidas en sistemas comerciales, es su bajo rendimiento en términos de precisión y exhaustividad, consecuencia de la extrema dificultad de escalar un sistema de entrenamiento que degrade para diferentes dominios de aplicación. Hecho que conlleva que productos bien conocidos, como [7,8] opten por soluciones basadas en ‘mechanical turk’[9] o feedback explícito por parte de sus usuarios para evaluar el sentido y sentimiento de un texto.
Ahora ya, como opinión personal y con pocas evidencias científicas, creo que aunque harto complejo, sí puede tenerse éxito analizando el sentimiento de forma automática para un dominio concreto, ya que así se conseguiría que el vocabulario objetivo de la evaluación fuese más acotado. Pero para un análisis independiente del dominio, será necesario un mayor avance en cuanto a detección de sarcasmo, identificación de jerga o slang, polisemia, homonimia, multilingüismo y demás características del lenguaje natural que merman el rendimiento de las técnicas mencionadas.
[1] Ni, X., Xue, G.-R., Ling, X., Yu, Y., Yang, Q.(2007): Exploring in the weblog space
by detecting informative and affective articles. In: Proc. of WWW 2007, Banff,
Alberta, Canada, pp. 281–290
[2] Stepinski, A. and Mittal, V.(2007) A fact/opinion classifier for news articles. SIGIR ‘07: Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval.doi = {http://doi.acm.org/10.1145/1277741.1277919}, Disponible en: http://swooh.com/~adamstep/pp168-stepinski.pdf
[3] Mishne, G. (2005). Experiments with mood classification in blog posts. In 1st Workshop on Stylistic Analysis Of Text For Information Access. Disponible en: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.111.2693&rep=rep1&type=pdf
[4] S. Das and M. Chen.(2001) Yahoo! for Amazon: Sentiment Parsing from Small Talk on the Web. In EFA 2001, Edición revisada en 2007 disponible en: http://algo.scu.edu/~sanjivdas/chat_FINAL.pdf
[5] Esuli, A. and Sebastiani F.(2006) SENTIWORDNET: A Publicly Available Lexical Resource for Opinion Mining, In Proceedings of the 5th Conference on Language Resources and Evaluation. Disponible en http://tcc.fbk.eu/projects/ontotext/Publications/LREC2006-esuli-sebastiani.pdf
[7] Visible Technologies – http://www.visibletechnologies.com/solutions/benchmark.php
[8] Dow Jones Insights – http://solutions.dowjones.com/product-djinsight.asp
[9] Un buen artículo sobre el debate manual vs. automatic sentiment analysis http://blog.webtrends.com/2009/04/06/debunking-sentiment-nlp-or-a-turk/
Gracias por el Post, y por el comentario de Ángel.
Estoy totalmente de acuerdo con Pedro Anton en que se mezclan en esta conversación con suma facilidad los conceptos de escucha activa y los de análisis de sentimientos. Cada uno de ellos supone enfrentarse a retos totalmente dispares desde un punto de vista tecnológico. Por un lado hablamos de “escuchar” (i.e. rastrear la web, sobre una selección de medios, redes sociales, blogs etc, utilizando técnicas de recuperación como el uso de etiquetas, entidades, etc..) y por otro lado tenemos la parte de “interpretar” “analizar” los datos, lo cual es un reto mucho más complejo que cae en la parte text analytics y mining, y la cual a dia de hoy requiere asistencia humana para lograr segmentar texto en “sacos” de positivo/negativo/neutro si seguimos patrones de la industria tradicional de press clipping. Por este motivo, asociar software a sentimientos me parece absurdo, pretencioso y ambicioso, pero bueno, como todos los que nos dedicamos a este mundillo bien sabemos, sin un poco de hype y picante este mundo dospuntocerista no se mueve.
La necesidad de escuchar y analizar lo que dicen de nosotros en la web no requiere argumentos ni defensas, es simplemente una obligación a día de hoy para cualquier empresa y gobierno. Lo que debatimos es como hacerlo, y donde y como dedicar esfuerzos y recursos. Mi opinión está más en la linea de Angel Maldonado quien cuestiona la necesidad de asistir “manualmente” los procesos de analítica de texto, entonces ¿cuanta gente necesitamos para analizar lo que se dice de nuestra organización en la web? cada día se utilizan más y más fuentes, y el numero de comentarios y conversaciones crece de manera exponencial, esto quiere decir que debemos contratar analistas de manera proporcional al incremento de conversaciones? este modelo es inviable….
Este debate vuelve año tras año con diferente nombre, taxonomías y el debate sobre categorizar o no, la web semántica,….que maravilla, al final todos hablamos como estructurar el caos!!!
#Borja, creo que la discrepancia viene porque partimos desde diferentes puntos a la hora de definir lo que es la escucha activa. Es algo que está muy lejos del “sientate a mirar lo que dicen”, consiste en buscar lo que dicen de ti y participar en las conversaciones.
Mirate el siguiente post de Carlos Guadian:
http://www.k-government.com/2008/05/05/escucha_activa/
¡Bien Cesar! Has dado en el punto vital: “Buscar lo que dicen de tí y participar en esas conversaciones”.
¿Cómo participar en esas conversaciones?
Por ejemplo, imaginamos y que por imaginar no quede, que de los 5 millones de usuarios de Tuenti (creo) un 0,1% hablase sobre montar aventuras empresariales, 5.000 jóvenes emprendedores conversando sobre un tema tan esencial para la economía Española. ¿Cómo podemos formar parte de esas conversaciones? Asumiendo que técnicamente fuera posible capturarlas, como dice Borja, cómo podemos entenderlas, cómo podemos darles sentido, qué costo tendría disambigüarlas manualmente.
Contaminado por mi trayectoria profesional no puedo ver una definición de solución que no sea 100% automática, 100% desasistida y ni siquiera esta solución hoy en día es completa.
Sigamos pensando en ello…
En relación al primer comentario de Ángel…
>> La determinación de los “sentimientos” no es tal. Hablar de
>> análisis de “sentimientos” es una etiqueta de comunicación
>> comercial que desde un principio establece unas expectativas
>> desajustadas. Creo que cuando se trata de procesar el “sentido”
>> de un texto no es justo decir que se trata de interpretar el
>> “sentimiento”.
Decir que el análisis de sentimiento es un término que semánticamente no se corresponde con el uso que se hace de él es una afirmación categórica, y bajo mi punto de vista incorrecta, pues determinar el sentido o polaridad de un mensaje (es decir, si lo que expresa tiene connotaciones positivas o negativas), ya es identificar, a un nivel muy básico, el sentimiento expresado por su emisor.
De todas formas, aunque a lo que te refieras con determinar sentimiento sea determinar estado de ánimo (mood analysis) o la opinión vertida en términos más amplios que la polaridad (opinion mining / analysis), es preciso ser justos, y referenciar trabajos relativamente recientes [1,2] y otros no tanto [3,4], que han demostrado que es viable identificar el sentimiento y estado de ánimo que subyacen a un texto, empleando técnicas de procesamiento de lenguaje natural y aprendizaje automático. No tengo constancia sin embargo, de trabajos que hayan conseguido lo mismo aplicado ontologías de términos, como sugieres en el punto 2) de tu argumentación, aunque sí de Taxonomías enriquecidas como Wordnet[5], (que aun útil, no consideraría una ontología). El principal inconveniente que hace que por el momento estas técnicas no estén ampliamente difundidas en sistemas comerciales, es su bajo rendimiento en términos de precisión y exhaustividad, consecuencia de la extrema dificultad de escalar un sistema de entrenamiento que degrade para diferentes dominios de aplicación. Hecho que conlleva que productos bien conocidos, como [7,8] opten por soluciones basadas en ‘mechanical turk’[9] o feedback explícito por parte de sus usuarios para evaluar el sentido y sentimiento de un texto.
Ahora ya, como opinión personal y con pocas evidencias científicas, creo que aunque harto complejo, sí puede tenerse éxito analizando el sentimiento de forma automática para un dominio concreto, ya que así se conseguiría que el vocabulario objetivo de la evaluación fuese más acotado. Pero para un análisis independiente del dominio, será necesario un mayor avance en cuanto a detección de sarcasmo, identificación de jerga o slang, polisemia, homonimia, multilingüismo y demás características del lenguaje natural que merman el rendimiento de las técnicas mencionadas.
[1] Ni, X., Xue, G.-R., Ling, X., Yu, Y., Yang, Q.(2007): Exploring in the weblog space
by detecting informative and affective articles. In: Proc. of WWW 2007, Banff,
Alberta, Canada, pp. 281–290
[2] Stepinski, A. and Mittal, V.(2007) A fact/opinion classifier for news articles. SIGIR ‘07: Proceedings of the 30th annual international ACM SIGIR conference on Research and development in information retrieval.doi = {http://doi.acm.org/10.1145/1277741.1277919}, Disponible en: http://swooh.com/~adamstep/pp168-stepinski.pdf
[3] Mishne, G. (2005). Experiments with mood classification in blog posts. In 1st Workshop on Stylistic Analysis Of Text For Information Access. Disponible en: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.111.2693&rep=rep1&type=pdf
[4] S. Das and M. Chen.(2001) Yahoo! for Amazon: Sentiment Parsing from Small Talk on the Web. In EFA 2001, Edición revisada en 2007 disponible en: http://algo.scu.edu/~sanjivdas/chat_FINAL.pdf
[5] Esuli, A. and Sebastiani F.(2006) SENTIWORDNET: A Publicly Available Lexical Resource for Opinion Mining, In Proceedings of the 5th Conference on Language Resources and Evaluation. Disponible en http://tcc.fbk.eu/projects/ontotext/Publications/LREC2006-esuli-sebastiani.pdf
[7] Visible Technologies – http://www.visibletechnologies.com/solutions/benchmark.php
[8] Dow Jones Insights – http://solutions.dowjones.com/product-djinsight.asp
[9] Un buen artículo sobre el debate manual vs. automatic sentiment analysis http://blog.webtrends.com/2009/04/06/debunking-sentiment-nlp-or-a-turk/
Gracias César por el Post, y Ángel por el comentario.
Has sembrado un buen tomatal aquí, César. Enhorabuena. Creo que empezamos mal por culpa de un término para el que no hay traducción equivalente en castellano. Visto el debate me estoy pensando usar “Opinion Mining” de cara al futuro (y hasta “Boolean Opinion Mining”, si me dejan). Se trata del sinónimo que alguien ha colgado para Sentiment Analysis en la Wikipedia (obligatoria consulta para evitar seguir hablando de “sentimientos”).
Tomando los últimos puntos desglosados por Borja y Ángel, veo tres pilares: Monitorización/medición (“escucha”), Análisis (ej. categorización) y Participación (orientada a impactar sobre un resultado que presumiblemente podrá evaluarse en un consiguiente hito de Análisis).
Ahora pasamos los tres pilares por la piedra de la automatización. Mi opinión (superada una extensión aceptable como comentario
:
http://www.estrategiadigital.es/2009/08/respondiendo-al-sentiment-analysis/
Lo dicho: ¡Gran debate!
Me parece extremadamente interesante, Jamas imagine que pudieran llegar a este punto, pero sin lugar a dudas nos podremos ir dando cuenta más pronto de lo que pensabamos referente a los alcances que tiene el internet para todo.
En Holanda, Google eleva la toma del pulso sentimental hasta el nivel de barómetro económico.
César, estoy más cerca de tu posición que la de Ángel. Y creo que las Administraciones Públicas deberían prácticar activamente la escucha activa, tanto hacia dentro como hacia afuera. Escuchar lo que dicen los millones de funcionarios y empleados públicos de todo tipo, y sobre todo escuchar a los ciudadanos. Evidentemente estas herramientas todavía son muy poco sofisticadas, pero son tremendamente poderosas.
Simplemente con Google Trends podemos saber si una ciudad es cada vez más conocida a nivel internacional. Y poniendo Spain en las herramientas reseñadas en el artículo, vemos que la valoración de nuestro país es en general muy positiva. No se puede obtener más con menos.
Sentiment Analysis: Cazando sentimientos en internet http://www.netoraton.es/?p=5761
This comment was originally posted on Twitter
Sentiment Analysis: Cazando sentimientos en Internet | NetoRatón 3.0: Gracias al blog de Rafa Chamorro he llegad.. http://bit.ly/fFuzL
This comment was originally posted on Twitter
debate sobre sentiment analysis…comentando en http://www.netoraton.es/?p=5761 Gracias @netoraton
This comment was originally posted on Twitter
interesantes puntos…RT @angelmaldonado: debate sobre sentiment analysis…comentando en http://www.netoraton.es/?p=5761 Gracias @netoraton
This comment was originally posted on Twitter
RT @angelmaldonado debate sobre sentiment analysis…comentando en http://www.netoraton.es/?p=5761 Gracias @netoraton
This comment was originally posted on Twitter
Sentiment Analysis: Cazando sentimientos en Internet http://ff.im/-77rz0
This comment was originally posted on Twitter
.. leyendo .. Sentiment Analysis: Cazando sentimientos en Internet:
Gracias al blog de Rafa Chamor.. http://bit.ly/2mk0XP
This comment was originally posted on Twitter
RT @sebasmuriel.. leyendo .. Sentiment Analysis: Cazando sentimientos en Internet: Gracias al blog de Rafa Chamor.. http://bit.ly/2mk0XP
This comment was originally posted on Twitter
si en el NYork times @sebasmuriel.. leyendo .. Sentiment Analysis: Cazando sentimientos en web Gracias Rafa Chamor.. http://bit.ly/2mk0XP
This comment was originally posted on Twitter
Sentiment Analysis: Cazando sentimientos en Internet http://bit.ly/2CMHCN #fb
This comment was originally posted on Twitter
#SemNews : Sentiment Analysis: Cazando sentimientos en Internet | NetoRatón 3.0 http://bit.ly/zj4QU
This comment was originally posted on Twitter
Interviniendo en el debate del análisis de sentimientos http://bit.ly/fQkhJ
This comment was originally posted on Twitter
Sentiment Analysis: Cazando sentimientos en Internet – http://www.netoraton.es/?p=5761
This comment was originally posted on Twitter
De elctura obligada, http://www.netoraton.es/?p=5761
This comment was originally posted on Twitter
RT @antonimanchado: De lectura obligada, http://www.netoraton.es/?p=5761
This comment was originally posted on Twitter
aplicaciones ‘on’ para cazar ’sentimientos’, interesante http://www.netoraton.es/?p=5761
This comment was originally posted on Twitter
Cazando sentimientos y escucha activa .. Me gusta la web semántica! ¿Será que me suena a coaching? http://bit.ly/fQkhJ
This comment was originally posted on Twitter
no queria dejar pasar la oportunidad de participar en este magnifico debate!! culo veo, culo quiero
http://bit.ly/116h5A
This comment was originally posted on Twitter
Mas info en el post Sentiment Analysis (o escucha activa) de @Netoraton http://tinyurl.com/l3z9wx
This comment was originally posted on Twitter
Sentiment analysis: 10 comentarios de los potentes y 18 referencias en Twitter http://bit.ly/fQkhJ
This comment was originally posted on Twitter
RT @antonimanchado: De lectura obligada, http://tinyurl.com/l3z9wx
This comment was originally posted on Twitter
2 Trackbacks
[...] Ya me he pasado otra vez con un comentario a otro post, así que aquí va la respuesta a una interesantísima conversación: Sentiment Analysis: Cazando sentimientos en Internet. [...]
[...] First Tweet 21 hours ago netoraton César Calderón Highly Influential Sentiment Analysis: Cazando sentimientos en internet http://www.netoraton.es/?p=5761 view retweet [...]