Analizando los grandes volúmenes de datos generados en redes sociales sobre la opinión pública acerca de diferentes temáticas puede resultar en valiosos descubrimientos. Estas actividades son costosas de realizar manualmente, requieren de muchos recursos humanos y tiempo. Los sistemas de análisis de sentimientos y algoritmos de minería de datos han resultado ser de gran utilidad para poder obtener una percepción general de los temas de interés y la opinión sobre los mismos. En este trabajo proponemos analizar un conjunto de datos usando un clasificador de sentimientos para etiquetar publicaciones realizadas por usuarios de redes sociales en conjunto con algoritmos de clustering para poder detectar cuales son las temáticas sobre las cuales se expresan opiniones.
Proponemos utilizar una base de 2000 reseñas de películas etiquetadas como positivas y negativas para luego entrenar un clasificador SVM de sentimientos.
Luego utilizamos Twitter para recolectar y clasificar los sentimiento de 122 mil publicaciones relacionadas a un acontecimiento televisivo de gran convocatoria.
También utilizamos el algoritmo de clustering K-Means para obtener un vistazo general sobre los temas y un aproximación del sentimiento asociado a estos.
Finalmente, a través de una visualización interactiva, vemos los resultados de este procesamiento.