Quantificando a Importância de Emojis e Emoticons para Identificação de Polaridade em Avaliações Online

Abstract

Ambientes virtuais como lojas online de produtos e serviços (e.g. Amazon, Google Play, Booking) adotam uma estratégia colaborativa de avaliação e reputação onde os usuários classificam os produtos e serviços. A opinião do usuário representa o grau seu de satisfação em relação ao item avaliado. O conjunto de avaliações de um item é referencial de sua reputação/qualidade. Portanto, a identificação automática da satisfação do usuário em relação a um item, considerando sua avaliação textual, é uma ferramenta com potencial econômico singular. Neste contexto, com a popularização de emojis e emoticons, intensificada pelo uso de dispositivos móveis e seus aplicativos, os usuários adotam cada vez mais estes símbolos como parte do vocabulário utilizado para expressar opini˜oes e sentimentos. Neste trabalho, apresentamos uma avaliação quantitativa da representatividade de emojis/ emoticons para a identificação de opinião e polaridade em ambientes online de avaliação colaborativa. A abordagem proposta quantifica o uso da técnica Bag of Words com SVM para determinar o grau de satisfação do usuário em relação a um item, considerando: (1) palavras e emojis/emoticons; (2) apenas palavras; (3) apenas emojis/emoticons. Particularmente, para cenários específicos o uso de emojis/emoticons para a análise de sentimentos chega a ter uma eficácia de 0,70, contra 0,65 quando utilizamos apenas as palavras, considerando a métrica F1.

Detecção de Categorias de Aspectos Utilizando Redes Neurais Profundas em Avaliações Online

“…Portanto, identificar automaticamente a polaridade ou sentimento de uma avaliação realizada por um usuário (e.g. uma a cinco estrelas ou simplesmente positivo/negativo)é um problema com grande potencial econômico e estratégico para empresas [de Paula et al 2017, Liu 2012, Ye et al 2009.…”