Análise de polaridade consiste em classificar a opinião do autor em positiva, negativa e
neutra. No entanto, dado o grande volume de informações disponíveis na Web, esta análise
manual torna-se inviável. Em particular, no domínio financeiro este tipo de análise é
útil para empresas na tomada de decisões relacionadas ao mercado financeiro que parece
ser particularmente propenso a mudanças de acordo com opiniões. Os trabalhos disponíveis
na literatura propõem abordagens globais para esta tarefa, ou seja, consideram que
o texto tem apenas uma polaridade. No entanto, verifica-se que os documentos, em sua
grande maioria, citam várias entidades e as polaridades para estas entidades, em geral,
são diferentes. Isto sugere que a classificação de polaridade deve ser feita em nível de
entidade. Contudo, a maioria das abordagens tradicionais não concentram-se na tarefa de
classificar polaridade por entidade. Além disso, observamos que muitos dos documentos
no domínio financeiro nem sempre emitem opinião. Assim, uma primeira tarefa de
interesse nesse domínio é identificar os documentos em que opiniões são expressas, isto
é, documentos subjetivos. Portanto, neste trabalho propomos um método supervisionado
para classificação de polaridade baseado em múltiplos modelos com o intuito de classificar
documentos financeiros com múltiplas entidades. Em particular, estudamos estratégias
de segmentação em texto que usam heurísticas de casamento de string e resolução
de anáfora e propomos um método de classificação hierárquica baseada em detecção de
subjetividade. Nossos resultados mostraram que uma abordagem baseada em múltiplos
modelos é capaz de obter ganhos significativos sobre uma abordagem baseada em modelo
global na tarefa de classificação de polaridade com múltiplas entidades. A segmentação
do documento em sentenças que mencionam as entidades e a adoção de uma estratégia
hierárquica também obtiveram ganhos, embora modestos.
|
