Análisis del Sentimiento: Exploración de League of Legends y su comunidad en Twitter

Abstract

En el presente trabajo se realiza una exploración acerca la toxicidad de la comunidad de League of Legends en la red social Twitter. En el estado del arte se observa cómo los autores de distintos estudios implementan técnicas de preprocesamiento de información que incluyen: eliminar instancias duplicadas, nombres de usuarios e hipervínculos. No obstante, los modelos de clasificación que los autores proponen no contextualizan el escenario de estudio. Es decir, no son capaces de identificar elementos clave del contexto para una clasificación precisa del sentimiento. El principal objetivo se centra en la implementación de un modelo de recolección y limpieza de datos con el fin de alimentar dos clasificadores del sentimiento. El primero es un modelo prediseñado e introducido en el 2014 mientras que el segundo es construido manualmente mediante el algoritmo de clasificación supervisada SVM. Para lograrlo, se ejecutan diversas tareas constituidas en tres fases principales: Adquisición, Almacenamiento y Análisis de datos utilizando herramientas de uso libre como el API de Twitter y el lenguaje de programación Python. Finalmente, se logró implementar y comparar los modelos de clasificación y los resultados obtenidos mostraron que el modelo prediseñado no revelaba una clara diferencia de polaridad del texto entre las categorías. Por otra parte, el modelo construido manualmente consiguió alcanzar una precisión del 65.08%. En conclusión, se determinó que el clasificador prediseñado no tiene las capacidades de discernir contenido del videojuego. No obstante, el nuevo modelo fue capaz de distinguir los elementos clave tras proporcionar nuevas reglas de clasificación y permitió identificar los rasgos de un comportamiento tóxico en la comunidad.