Una exploración de la semántica del concepto de ʻDerechosʼ en Twitter

Resumen

Este artículo estudia tres técnicas de modelado de tópicos, o reducción de la dimensionalidad, para la recuperación de la semántica en matrices dispersas de bolsas de palabras y las aplica sobre tres conjuntos de datos de texto tomados de la red social Twitter. Se trata de técnicas destinadas al modelado de tópicos o conceptos latentes en conjuntos desestructurados de datos de texto, también conocidas como métodos para modelar la semántica latente de emisiones comunicativas. Las tres técnicas son: el análisis semántico latente o LSA, el análisis semántico latente de índole probabilística o PLSA y la atribución o adjudicación latente de Dirichlet o LDA. El artículo estudia los fundamentos teóricos que subyacen al desarrollo de sus algoritmos y aplica sus implementaciones, en el lenguaje de programación Python, a un corpus de documentos tomados de la red social Twitter. El corpus consta de tres conjuntos de datos de texto en los cuales se busca reconstruir la semántica latente del concepto “derechos humanos”, tal y como se expresa en emisiones de usuarios de Twitter provenientes del entorno Iberoamericano. Al analizar los resultados obtenidos en las aplicaciones se pudo comprobar que el algoritmo de la LDA ofrece una semántica más general y profunda del concepto estudiado, al atravesar transversalmente los documentos, que la que arroja el algoritmo del PLSA, cuyos resultados dan mejor cuenta de la semántica ad intra de los documentos. Al mismo tiempo, fue posible constatar que los algoritmos que implementan modelos de inferencia bayesiana son más eficientes para la tarea de modelado de tópicos que los algoritmos que calculan valores singulares en matrices factorizadas. También se pudo comprobar un manejo competente de la semántica de la noción de “derechos humanos” por parte de los usuarios de esa red social, el cual evidencia familiaridad con el significado teórico e institucional de dicho concepto. No obstante, ese manejo se mantiene siempre en un nivel elevado de convencionalidad.