Internet, eta, bereziki, sare sozialak, erabiltzaileek sortutako edukien iturri oparoa dira;  besteak beste, zernahiri buruzko iritziak ematen dituzte erabiltzaileek, nonahi eta noiznahi, doan. Informazio horrek “berebiziko garrantzia du erakunde, enpresa, eragile eta abarrentzat, beti izan baitute interesa jakiteko herritarrek, erabiltzaileek edo bezeroek zer iritzi duten haiei buruz. Tradizionalki, kostu handia duten inkesta edo galdera-sorta bidez eskuratu izan dute informazioa, baina laginak beti txikiak izan dira”, dio Iñaki San Vicente Roncal UPV/EHUko IXA Taldean zuzendutako lanaren egile nagusiak.

Orain, berriz, datu-kantitate erraldoiak sortzen dira sare sozialetan, eta, oro har, Interneten. Erronka ordea, hortik interesa duen informazioa behar bezala erauzi eta sailkatzea da. Sentimenduen Analisia deritzon ikerketa-arloak (Ingelesez, sentiment analysis) edonolako testu batean iritzi edo sentimendu positibo edo negatiboren bat adierazten ote den ebazteko metodo automatikoak bilatzen ditu. “Gu 2011. urtean hasi ginen euskararako lantzen sentimenduen analisia egiteko teknikak”, ekarri du gogora San Vicente doktoreak.

UPV/EHUko Informatika Fakultateko IXA Taldeak eta Elhuyar Fundazioko Hizkuntza eta Teknologia Unitateak aspalditik duten lankidetza estuaren emaitza izan da garatutako sistema. Bereziki, Twitter sare sozialean euskara hutsean idatzitako txioak, edo tartean euskara dutenak, izan dituzte langai. Bidean ez dituzte falta izan erronkak eta zailtasunak, hutsetik abiatu baitzuten lana.

Euskarazko testuetan sentimenduen analisia egiteko sistema sortzeko lehengo pausoa, oinarrizkoa, polaritate lexikoak sortzea izan zen, hau da, berez kutsu positiboa edo negatiboa duten hitzen zerrendak osatzea. Adibidez, “txarra” edo “gaiztoa” hitzak beti negatiboak dira, eta “ona” eta “maitagarria”, berriz, positiboak. ”Zerrenda horiek sortzean, ordea, oso kontuan izan behar da zer gai edo testuingurutarako ari zaren lanean, hitz batzuek kontrako polaritatea izan dezaketelako testuinguruaren arabera. Esate baterako, “gora egin” edo “behera egin” aditzek ez dute kutsu bera eskailerak igo edo jaisteaz ari bagara, burtsako akzioez ari bagara edo langabeziaz ari bagara”, azaldu du San Vicentek.

“Kaixo. Acabo de hacer la azterketa de gizarte. Fatal atera zait!” bi hizkuntza nahasten dituzten horrelako esaldiak ere aztertzen ditu tresna honek

Lexikoaz gain, hizkuntza orotan gertatzen diren fenomeno linguistikoak ere kontuan hartu behar izan zituzten: “Esate baterako, ezezko esaldiek kontrako zentzua ematen diete hitzei (“hau ez da batere ona”), edo ironiaz esandako adierazpenak antzematea ere garrantzitsua da. Sor daitezkeen arazoak ebazteko, programa informatiko bat garatu genuen, testuetako informazioa erauzi, hitzak lematizatu eta bestelako azterketak egiteko”.

Hizkuntzen berezko konplexutasuna gutxi ez, eta Twitterren berezitasunak ere kontuan hartu behar izan zituzten ikertzaileek, hizkera berezia baitago sare sozialetan, ahozko hizkerara asko hurbiltzen dena. “Gramatika ez-estandarra izaten da askotan, eta horrek lana zailtzen die hizkuntza-azterketarako tresnei. Gainera, oso maiz gertatzen dira hizkuntzen arteko nahasketak (“Kaixo. Acabo de hacer la azterketa de gizarte. Fatal atera zait!”), eta halako fenomenoak tratatu egin behar dira”, dio San Vicentek.

Zailtasunekin batera, dena den, lagungarri batzuk ere badituzte sare sozialetako adierazpenetan: “Enfasia emateko, hizki larriak erabiltzen dira, edo hitzak luzatzen (“osooo onaaa”), edo harridura-ikur asko jartzen dira; emotikonoen bidez emozioak adierazten dira… Horrek guztiak informazioa ematen digu”, gaineratu du.

Aurreko informazio guztia ikasketa automatikoko sistemak entrenatzeko erabili zuten ondoren, San Vicentek azaldu duenez: “Milaka adibide sortu genituen, behar bezala sailkatuta, eta sistemari eman genizkion, baita zer ezaugarriri erreparatu behar dion erakutsi ere, hortik aurrera bere kabuz egin zezan adierazpenen azterketa”.

Behagunea izan zen garatutako sistemaren lehenengo aplikazioa, 2016. urteko Donostia Europako Kultur Hiriburutzari lotuta Twitterren esan zirenen sentimenduen analisia egin zuten. “Oso ongi funtzionatu zuen; une jakinetan ekitaldi polemikoak egon ziren, eta horiek denak jaso zituen sistemak. Hiriburutzaren barruan gauzatutako proiektuen ebaluazioetan ere erabili ziren bildutako datuak”, deritzo San Vicentek. Beste proiektu bat Berria egunkariarekin egin zuten, 2016. urteko Euskal Autonomia Erkidegoko hauteskunde autonomikoen kanpainaren segimendua egiteko, “eta hor ere ez ziren falta izan polemikak”. Elhuyarreko ikertzaileak UPV/EHUko Kriminologiaren Euskal Institutuarekin (IVAC-KREI) ere aritu dira lanean, sare sozialetan terrorismoaren biktimei buruzko pertzepzioa nolakoa den aztertzeko. “Guretzat oso garrantzitsuak dira proiektu horiek, tesian oinarrizko ikerketatik industria-aplikazio errealera bitarteko ibilbidea osorik egin dela erakusten dutelako. —dio San Vicentek—. Egungo sistema gai da euskarazko testuak ez ezik, gaztelania, frantsesa eta ingelesa ere aztertzeko, hankamotz gelditzen baita euskaraz egindako adierazpenen analisia bakarrik egitea”.

Garatutako sistemen emaitzaren balorazioa ona bada ere, oraindik badago hobetzeko tarterik, eta ikertzaileek lanean dihardute. “Ohiko eredu estatistikoetatik algoritmo neuronalekin lan egitera pasatu gara, eta oso emaitza onak ematen ari da. Helburua da adierazpenen sailkapenean arrakasta- edo asmatze-tasa hobetzea, une honetan % 75 ingurukoa baita”, dio, bukatzeko. 

Informazio osagarria

Iñaki San Vicente Roncal Elhuyar Fundazioko Hizkuntza eta Teknologia Unitateko informatikariak UPV/EHUko Informatika Fakultateko IXA Taldean egin du ikerketa, bere doktore-tesiaren barruan. Multilingual sentiment analysis in social media izan da tesiaren izenburua, eta IXA Taldeko kide German Rigau eta Rodrigo Agerri izan ditu zuzendari.