La última semana de este MOOC se enfocó en «Opinion Mining and Sentiment Analysis.» El tema se aborda revisando que es lo que debe entenderse por una opinión y su representación. A este respecto, se consideran dos tipos de representaciones. La básica, conteniendo:

• Quién tiene la opinión.
• A qué o quién va dirigida la opinión.
• El contenido de dicha opinión (en otras palabras, en qué consiste).

Por otra parte, se considera una representación enriquecida, con:

• El contexto en el que se da la opinión.
• El sentimiento que se expresa en dicha opinión.

Por supuesto, se revisan las variaciones y distintas formas en las que la opinión se puede expresar y sobre el contenido que esta puede tener. Pasado esto, se revisa el concepto del minado (minería) de opiniones (opinión).

Una de las tareas de este campo es el de la identificación y correspondiente clasificación de los sentimientos para su tratamiento. Las más comunes características de empleadas para esto parte del concepto de los n-gramas y la etiquetación (POS tagging), que es donde entra de lleno lo del procesamiento del lenguaje natural (NLP por sus siglas en inglés).

Dentro de las técnicas revisadas, se vieron:

• Regresión logística ordinal.
• Latent Aspect Rating Analysis.
• Predicción basada en textos.
• Minería contextual de textos.
• Content Probabilistic Latent Semantic Analysis.
• Modelado de tópicos.
• Causal topics y supervisión de series de tiempo.