Uno de los aspectos que más expectación genera a la hora de saber qué dice un texto es la interpretación de lo que dice. Sabemos que un mismo mensaje puede ser interpretado de varias maneras (pensemos en los malentendidos) y que estas múltiples interpretaciones no se deben exclusivamente a diferencias religiosas, culturales, de edad, de sexo, etc., sino también a otros factores. Además esta variedad de interpretaciones puede darse dentro de un mismo grupo que comparta muchas de las características que hemos citado.
Interpretar la opinión en las redes sociales
Pensemos en el siguiente ejemplo de opinión de las redes sociales: «Dejar caer el banco es la mejor opción y no tiene coste alguno para los ciudadanos». Se nos pueden ocurrir, a bote pronto, dos interpretaciones. Pongámonos en el lugar de los trabajadores del banco en cuestión (o clientes de ese banco). Desde este punto de vista, el comentario podría parecernos desacertado, podríamos no estar de acuerdo; por tanto, diríamos que tiene un carácter negativo. Sin embargo, si formáramos parte de la ciudadanía que ha visto recortado su salario, seguramente adoptaríamos la postura contraria y señalaríamos el comentario como positivo, nos mostraríamos a favor del mismo.
En cambio, en el comentario: «¡Qué bien! Hoy me han regalado otra factura de teléfono» intuimos que el emisor del mensaje está disgustado por una nueva factura o porque le han enviado la misma factura duplicada, pero en ningún caso parece contento o se siente dichoso por un regalo inesperado, pese a incluir en su comentario la expresión qué bien o utilizar el término regalado, que suelen relacionarse con aspectos positivos. Como ya hemos mencionado, no podemos decir que exista una única interpretación para un mismo comentario.
En este otro ejemplo: «Telerrin me la ha liado y me ha sobornado. He aceptado. Ahora se la he liado yo a los otros. Esperemos que no me lien ellos a mi xDD», tenemos las siguientes expresiones negativas: me la ha liado, sobornado, la he liado, no me lien ellos; y las siguientes positivas: aceptar, xDD. Aunque la presencia de elementos negativos es mayor en número, la intención global del hablante parece tener un carácter más bien positivo.
En todos estos casos, el lector del mensaje tiene que recurrir a su conocimiento del mundo o su bagaje cultural para entender e interpretar el mensaje, además de utilizar otras técnicas, como la capacidad de «ponerse en la piel del otro», para descubrir la verdadera intención del emisor del mensaje.
No obstante, pensemos: ¿a quién puede afectar esta disparidad de interpretaciones? Centrándonos en los comentarios de las redes sociales, cada uno de los tres agentes que intervienen en este tipo de comunicación (emisor, destinatario y lectores) puede verse afectado por esta ambigüedad cada uno a su manera. De hecho, el destinatario y los lectores podrían conocer la intencionalidad de un comentario y el emisor a su vez saberse malinterpretado, y aun así el comentario no se entendería, por lo que el objetivo pretendido con la comunicación no se lograría.
Con todos estos datos, parece imposible tratar de medir qué dicen los comentarios, cuál es la opinión o emoción que presentan y cuál es su intención comunicativa. Pero, ¿qué os parece? Con nuestra capacidad de innovación y los recursos de los que disponemos, ¿seríamos capaces de superar este reto y enseñárselo a una máquina?
Muy buen post Marta. Creo que analizando y comparando modelos sí podemos enseñar a una máquina a medir esa opinión, emoción e intención de lo que quieren decir o comunicar. Con el #bigdata hemos topado…
Muchas gracias Andrés. Éste es un tema de investigación muy actual y que suscita un gran interés en a comunidad investigadora, pero aún queda mucho trabajo por hacer en este sentido. Desde aquí seguiremos con ello!
Enhorabuena Marta.
En mi opinión, el mayor reto a la hora de categorizar automáticamente las opiniones en la red, es la ironía.
¿Cómo hacer entender a una máquina el complejo proceso de dobles sentidos, cuando incluso a las personas a veces se nos escapan?
Ánimo con este reto, sin duda haréis un gran trabajo 🙂
Muchas gracias Ana. Tienes razón con respecto a la ironía o lenguaje figurado. Éste es un aspecto difícil de resolver ya que implica usar nuestro conocimiento del mundo para extraer el significado. Hay ya algunas aproximaciones de resolución de metáforas pero queda mucho por hacer en este sentido.
Ana, qué interesante aportación la de tu texto. Se me ocurre un reto más: las diferencias culturales de los dobles significados dentro de un mismo idioma. El español lo hablan casi 500 millones de personas en el mundo, repartidas en 22 países. Sería fascinante que las máquinas aprendieran esas diferencias culturales.
Desde luego, Cris, se evitarían muchos malentendidos y se enriquecería el análisis automático si las máquinas entendieran la diferencia abismal de significado en algunas palabras, según se utilicen en España o en países concretos de latinoamérica. Por ejemplo: «coger» o «pollera», o expresiones como «a huevo».
http://culturacolectiva.com/de-norte-a-sur-palabras-latinas-con-distintos-significados/
No entiendo si se refieren a «maquina» como la IA o los lectores o receptores del mensaje o interpretes.