Análisis de sentimientos en Instagram usando ChatGPT

Abstract

En este trabajo se ha realizado un estudio sobre el análisis de la respuesta emocional en comentarios de publicaciones en redes sociales, y más específicamente en Instagram. Dado el creciente uso de las redes sociales y la mayor exposición de los influencers a temas de salud mental, es fundamental comprender las emociones que sienten los usuarios frente a este tipo de publicaciones. Por esta razón, se aplicarán técnicas de Inteligencia Artificial y Procesamiento de Lenguaje Natural con el fin de optimizar modelos de clasificación de polaridad (positiva, negativa, indeterminada) y de emociones (amor/admiración, comprensión/empatía/identificación, gratitud, tristeza/pena, enfado/desprecio/burla, indeterminada) en los comentarios. El objetivo principal de este trabajo es mejorar los resultados obtenidos en dos estudios previos sobre el análisis de sentimientos en redes sociales, uno centrado en temas de salud mental en Instagram y otro centrado en el ámbito de los videojuegos en la plataforma Twitch. Para lograr este objetivo, se ha ampliado el corpus inicial para redes sociales, incluyendo un mayor número de comentarios correspondientes a aquellas emociones que tenían una menor representación. Posteriormente, se ha utilizado el modelo gpt-3.5-turbo de OpenAI para optimizar los resultados de clasificación y se ha evaluado su rendimiento utilizando distintas métricas de precisión, comparando los resultados con estudios anteriores.

In this work, a study has been conducted on the analysis of emotional responses in comments on social media posts, specifically on Instagram. Given the growing use of social media and the increased exposure of influencers to mental health topics, it is crucial to understand the emotions that users experience in response to such posts. For this reason, Artificial Intelligence and Natural Language Processing techniques will be applied to optimize models for classifying polarity (positive, negative, indeterminate) and emotions (love/admiration, understanding/empathy/identification, gratitude, sadness/pity, anger/contempt/mockery, neutral) in the comments. The main objective of this work is to improve the results obtained in two previous studies on sentiment analysis in social media, one focused on mental health topics on Instagram and the other focused on the gaming domain on the Twitch platform. To achieve this goal, the initial social media corpus has been expanded by including a larger number of comments corresponding to those emotions that had less representation. Subsequently, OpenAI’s gpt-3.5-turbo model was used to optimize classification results, and its performance was evaluated using various accuracy metrics, comparing the results with previous studies.