Aparentemente, la mitad de la población mundial ahora usa las redes sociales para compartir sus pensamientos y experimentar los pensamientos de los demás. No hay ningún tema que los usuarios no hayan representado en sus opiniones sobre tecnología, política, sociedad, famosos, deporte, música, cine, salud, guerra, religión, sexo y más allá. Nada es tabú.

Extraer las respuestas emocionales colectivas a los eventos sociales de la escala local a la internacional a partir de las actualizaciones de las redes sociales sigue siendo un objetivo de la informática y aquellos a los que pretende ayudar a hacer uso de los datos semánticos y emocionales que podrían extraerse de las redes sociales.

Un equipo italiano escribiendo en el Revista Internacional de Metadatos, Semántica y Ontologías , analiza un enfoque para investigar las reacciones emocionales a los eventos sociales.

"Las redes sociales se han convertido en un punto de apoyo para compartir información sobre eventos de la vida cotidiana; las personas, compañías, y las organizaciones expresan opiniones allí, "Danilo Cavaliere y Sabrina Senatore de la Universidad de Salerno, en Fisciano explicar. Añaden que estudiar e identificar diferentes sentimientos y emociones, representado por las actualizaciones de las redes sociales, como los llamados "tweets" en la plataforma de microblogging conocida como Twitter, requiere manejar big data y ser capaz de comprender el carácter emocional subyacente de las actualizaciones en contexto.

El equipo ha adoptado un enfoque que les permite centrarse en un tema en particular basado en palabras clave específicas, resaltado en tweets con un símbolo # y comúnmente conocido como hashtags. Han construido un glosario de emociones habiendo extraído la semántica de una base de datos de muestra de actualizaciones y se refieren a esto como una "ontología de concepto emocional".

A continuación, el equipo demuestra cómo se puede utilizar su ontología para entrenar una herramienta de clasificación de bases de datos (Support Vector Machine) para "comprender" el carácter emocional y el contenido de los nuevos tweets con los que se presenta un algoritmo construido sobre esta formación. Han demostrado una prueba de principio con éxito con conjuntos de datos de muestra incluso con complicados, tweets multifacéticos.