Análise de Sentimento para Textos Curtos

Aluno(a): 

  • Gustavo Vianna Avila

Data: 

10/03/2017 - 10:00

Local: 

Praia de Botafogo, 190, auditório 1333 - Rio de Janeiro, RJ

Resumo: 

Um grande número de mensagens curtas informais são postadas diariamente em redes sociais, fóruns de discussão e pesquisas de satisfação. Emoções parecem ser importantes de forma frequente nesses textos. O desafio de identificar e entender a emoção presente nesse tipo de comunicação é importante para distinguir o sentimento presente no texto e também para identificar comportamentos anômalos e inapropriados, eventualmente oferecendo algum tipo de risco. Este trabalho propõe a implementação de uma solução para a análise de sentimento de textos curtos baseada em aprendizado por máquina. Utilizando técnicas de aprendizado supervisionado, é desejado discernir se uma mensagem possui sentimento positivo, neutro ou negativo. As mensagens a serem analisadas serão pesquisas de satisfação de serviços de TI. Foram utilizados nas análises dois modelos, o primeiro modelo onde apenas o campo de texto livre “Comentário” foi considerado e o segundo modelo, onde além do campo de texto livre “Comentário”, foram consideradas, adicionalmente, duas perguntas objetivas da pesquisa de satisfação. Os resultados obtidos indicam que as técnicas utilizadas de aprendizado por máquina, não ficam atrás dos resultados produzidos por aprendizado humano. A acurácia obtida foi de até 86,8% de acerto para um modelo de três classes: ”elogio”, “neutro” e “reclamação”. A acurácia foi significativamente superior, alcançando até 94,5% em um modelo alternativo, de apenas duas classes: “elogio” e “não-elogio”.

*Texto enviado pelo aluno. 

Membros da banca: 

  • Flávio Codeço Coelho (orientador) – FGV/ EMAp
  • Renato Rocha Souza - FGV/ EMAp
  • Ligia Maria Arruda Café - UFSC