Análise de sentimentos em textos curtos provenientes de redes sociais

Silva, Nádia Félix Felipe da

doi:10.11606/t.55.2016.tde-27092016-143947

Cited by 4 publications

(6 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Tradicionalmente a Análise de Sentimentos é utilizada em textos mais longos, portanto, ambientes que possibilitam a criação de textos curtos e com linguagem coloquial como o Twitter são cenários que propõem desafios como o tamanho do texto, a variação da ortografia, esparsidade dos dados, existência de negação, existência de símbolos especiais, variação dos tópicos, grande quantidade de dados, estilo de linguagem variável e a utilização de mais um idioma em uma mesma frase [6].…”

Section: Análise De Sentimentos Em Redes Sociaisunclassified

“…O comitê pode ser utilizado quando se deseja um alto percentual de precisão e quando o tempo de processamento é irrelevante. A simples combinação de classificadores em um comitê não garante um alto nível de acurácia e precisão, mas reduz a chance de se obter os piores resultados [6]. Segundo Bordin Junior [11], existem algumas pesquisas que mostram que a utilização do comitê é mais eficiente do que a utilização de um classificador único.…”

Section: Análise De Sentimentos Em Redes Sociaisunclassified

“…A comparação entre o comitê e os algoritmos que o constitui apresentou que o comitê teve melhor acurácia, com 86%. Em um estudo similar utilizando algoritmos da abordagem supervisionada, Silva[6] propõe a utilização do método do comitê para classificação de frases escritas na língua inglesa que foram extraídas das redes sociais. O comitê foi implementado utilizando os seguintes algoritmos: Naive Bayes Multinomial, SVM (Support Vector Machine), Random Forest e Regressão Logística.…”

unclassified

“…A pesquisa confirmou que a abordagem de comitê tem o potencial igual ou superior a abordagens de classificação tradicionais no contexto de redes sociais.Considerando a complexidade encontrada no processo de Análise de Sentimentos em textos da língua portuguesa advindos das redes sociais, este trabalho pretende expor as três diferentes abordagens citadas à textos extraídos do Twitter referente ao contexto esportivo, mais especificamente no contexto da Liga das Nações Valence Aware Dictionary for sEntiment Reasoning). A abordagem de comitê representada pelo agrupamento de alguns destes algoritmos onde serão organizados utilizando Bagging, Boosting e Stacking que, segundo Silva[6], são técnicas que visam melhorar a distribuição das amostras de dados para obter uma melhor generalização dos modelos.…”

unclassified

See 3 more Smart Citations

Avaliando o Desempenho da Abordagem de Comitê na Análise de Sentimentos na Língua Portuguesa

Cardoso¹,

Fernandes²

2020

Anais Do XI Computer on the Beach - COTB '20

View full text Add to dashboard Cite

Sentiment Analysis aims extract subjective information from texts that, when written in Portuguese face a number of difficulties related to grammatical nature and vocabulary diversity. In order to collaborate with researches in this area, this paper presents the proposal to evaluate the performance of the committee approach in relation to the traditional approaches of sentiment analysis in the Portuguese language context. As object of application we choose tweets about volleyball theme that will serve as basis for the approaches application. These texts will be treated using Natural Language Processing for better performance of the algorithms. Other approaches will also be used in this study to assist in the evaluation of the committee along with the aid of metrics such as accuracy, precision, recall and F-measure.

show abstract

Section: Análise De Sentimentos Em Redes Sociaisunclassified

unclassified

See 2 more Smart Citations

Avaliando o Desempenho da Abordagem de Comitê na Análise de Sentimentos na Língua Portuguesa

Cardoso¹,

Fernandes²

2020

Anais Do XI Computer on the Beach - COTB '20

View full text Add to dashboard Cite

show abstract

“…A doctoral thesis by Nádia Silva [6], in 2016, reports a study on the use of classifier ensembles to SA, feature engineering, and approaches to semi-supervised learning to overall polarity classification. On the Kaggle platform, we can find systems for SA, such as the one Leandro Silva developed for Brazilian Portuguese text [7], described with excerpts of code and pedagogical explanations on how to use NLTK, or a Bag-of-Words model for supervised learning, with Naive Bayes Multinomial and Random Forest classifiers on SkLearn.…”

Section: Related Workmentioning

confidence: 99%

Detailing Sentiment Analysis to Consider Entity Aspects: An Approach for Portuguese Short Texts

Saias

Mourão²,

Oliveira³

2018

TMLAI

View full text Add to dashboard Cite

Sentiment analysis is useful for identifying trends, or for discovering user preferences, which can later be applied to campaign targeting or recommendations. In this paper, we describe an approach to classify the sentiment polarity regarding aspects, and how this technique was used in a previous system, for short texts in Portuguese, giving it greater sensitivity to detail. Aspect extraction is done by locating candidates for aspect as expressions having a relationship with the entity and possibly some polarized term, through rules based on POS tags. For each aspect, the sentiment polarity is determined by a Maximum Entropy classifier, whose features depend on the entity mention, on the aspect and its support text, including negation detection, bigrams, POS tags, and sentiment lexiconbased polarity clues. For aspect sentiment, our classifier evaluation indicated a precision of 68% for the positive class and 73% for the negative class, with the dataset used in our research.

show abstract

Recuperação e classificação de sentimentos de usuários do Twitter em período eleitoral

2020

View full text Add to dashboard Cite

Introdução: A redes sociais tornaram-se um espaço importante para usuários expressares seus sentimentos. Esses comentários são valiosos para governantes saberem o ponto de vista dos cidadãos sobre as suas propostas políticas e candidatos perceberem a reação dos eleitores a respeito da campanha eleitoral. Objetivos: Analisar os sentimentos expressos pelos usuários no Twitter, referentes aos candidatos que concorreram à presidência do Brasil no ano de 2018, e predizer o resultado das eleições com base nessas postagens. Metodologia: Os posts sobre os candidatos que disputaram o segundo turno das eleições foram o objeto de estudo. Usou-se o software Orange Canvas, uma ferramenta de aprendizado de máquina livre e de código aberto, para a coleta da amostra e para a extração das informações relevantes. A técnica de análise de opinião foi aplicada para classificação automática dos sentimentos em positivos, negativos e neutros. Para melhor análise e interpretação dos resultados, exibiram-se as palavras mais importantes dos comentários em nuvens de palavras e as emoções, em gráficos de distribuição de frequência. Resultados: Detectaram-se muitos sentimentos negativos nas postagens e a emoção de surpresa foi a que mais se destacou para ambos os concorrentes.Conclusões: O estudo mostrou que o Twitter é um local interessante para usuários expressarem seus sentimentos no período eleitoral. Porém, o trabalho não foi capaz de prever o resultado das eleições com base nas emoções. Acredita-se que isso se deve às altas taxas de rejeição dos eleitores quanto aos candidatos e a polarização que tem caracterizado a política brasileira nos últimos tempos.

show abstract

Análise de sentimentos em textos curtos provenientes de redes sociais

Cited by 4 publications

References 0 publications

Avaliando o Desempenho da Abordagem de Comitê na Análise de Sentimentos na Língua Portuguesa

Avaliando o Desempenho da Abordagem de Comitê na Análise de Sentimentos na Língua Portuguesa

Detailing Sentiment Analysis to Consider Entity Aspects: An Approach for Portuguese Short Texts

Recuperação e classificação de sentimentos de usuários do Twitter em período eleitoral

Contact Info

Product

Resources

About