Análise de Sentimentos, também chamada de Mineração de Opinião, explora o estudo computacional de opiniões, sentimentos e emoções expressas em fontes como textos não estruturados. As redes sociais online movimentam volumes massivos de dados, hoje muito valorizados por organizações por terem o potencial de gerar informação de significativa relevância para os negócios. A web tem se tornado um canal onde os usuários compartilham, explicam ou escrevem sobre suas vidas e interesses, dão opiniões e avaliam a opinião de outros. Essas informações podem vir a influenciar outras pessoas em tomadas de decisão, servindo como base adicional que, frequentemente, não está disponível na descrição. No entanto, essas opiniões estão dispersas na web, em formato livre, tornando impossível a busca e análise manual dessas informações, portanto, podemos usar algoritmos para automaticamente classificar milhares de posts, sem ter a necessidade de lê-los manualmente. Nesse sentido, esse trabalho visa mostrar que o intuito da inteligência artificial é mostrar para as pessoas que não veio para substituí-las, muito pelo contrário, ela vem para aumentar a inteligência do ser humano e ajudar a processar dados, que hoje, são humanamente impossíveis. Nesse contexto, esse trabalho tem como objetivo analisar a capacidade de predição de um modelo, para análise de sentimentos em textos, desenvolvido para a língua inglesa por Andrea Esuli e Fabrizio Sebastiani: SentiWordNet. Esse modelo servirá como base para o desenvolvimento de um sistema para apoio a tomadas de decisão.
|
