Um Modelo de Classificação de Polaridade em Cinco Níveis
Análise de sentimento é a área de estudo que observa as opiniões das pessoas, sentimentos, avaliações, atitudes e emoções em torno de entidades como produtos, serviços, organizações e eventos. No mundo real, empresas e organizações frequentemente estão interessadas em saber opiniões públicas sobre s...
| Autor principal: | Ferreira, Felipe Alves |
|---|---|
| Outros Autores: | http://lattes.cnpq.br/6952657914341079 |
| Grau: | Dissertação |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Amazonas
2020
|
| Assuntos: | |
| Acesso em linha: |
https://tede.ufam.edu.br/handle/tede/7649 |
| id |
oai:https:--tede.ufam.edu.br-handle-:tede-7649 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--tede.ufam.edu.br-handle-:tede-76492020-02-04T05:04:09Z Um Modelo de Classificação de Polaridade em Cinco Níveis Ferreira, Felipe Alves Oliveira, David Braga Fernandes de http://lattes.cnpq.br/6952657914341079 http://lattes.cnpq.br/9561812825173697 Cavalcanti, João Marcos Bastos http://lattes.cnpq.br/3537707069694606 Carvalho, Moisés Gomes de http://lattes.cnpq.br/1840067885522796 Naive Bayes Mineração de dados (Computação) Polaridade Tweet Árvores de Decisão CIÊNCIAS EXATAS E DA TERRA Análise de Sentimento Classificação Polaridade Opinião Naive Bayes SVM Árvores de Decisão Análise de sentimento é a área de estudo que observa as opiniões das pessoas, sentimentos, avaliações, atitudes e emoções em torno de entidades como produtos, serviços, organizações e eventos. No mundo real, empresas e organizações frequentemente estão interessadas em saber opiniões públicas sobre seus produtos e serviços. Os consumidores também estão interessados em saber a opinião de quem adquiriu um produto antes de comprá-lo. Outras pessoas estão interessadas em saber a opinião dos outros sobre determinados candidatos de um pleito eleitoral antes de tomar uma decisão sobre quem irá votar. O objetivo deste trabalho é desenvolver um método de aprendizagem supervisionada capaz de classificar tweets em cinco níveis de polaridade (aprovação completa, opinião positiva pontual, opinião neutra, opinião negativa pontual e rejeição completa) usando para isso tweets do contexto político como estudo de caso. Para tal, investigamos se técnicas que fazem detecção de polaridade de três níveis são capazes de oferecer boas evidências para o treino e testes de classificadores no contexto dos cinco níveis de polaridade nos tweets. Partindo dessa ideia, propomos estratégias de aprendizagem com os classificadores Árvores de Decisão, Naive Bayes e SVM usando como features o modelo de bag-of-words, as evidências a partir de resultados de métodos que classificam polaridade em três níveis e um modelo de extração de meta-informação. Os resultados mostraram que existe um ganho nas acurácias dos classificadores ao combinar os diferentes modelos de features. Sentiment analysis is the area of study that observes people’s opinions, feelings, assessments, attitudes and emotions around entities such as products, services, organizations and events. In the real world, companies and organizations are often interested in knowing public opinions about their products and services. Consumers are also interested in knowing the opinion of those who bought a product before buying it. Other people are interested in knowing the opinions of others about certain candidates in an election process before making a decision about who will vote. The objective of this work is to develop a supervised learning method capable of classifying tweets in five levels of polarity (complete approval, punctual positive opinion, neutral opinion, punctual negative opinion and complete rejection) using tweets of the political context as a case study. In order to do this, we investigated whether three-level polarity detection techniques are capable of providing good evidence for training and classifier testing in the context of the five polarity levels in tweets. Based on this idea, we propose learning strategies with the Decision Trees, Naive Bayes and SVM classifiers using as features models: bag-of-words, evidence from results of methods that classify polarity in three levels and a meta-level extraction method. The results showed that there is a gain in the accuracy of the classifiers when combining the different models of features. Instituto de Desenvolvimento Tecnológico Globo.com 2020-02-03T20:53:48Z 2017-02-22 Dissertação FERREIRA, Felipe Alves. Um Modelo de Classificação de Polaridade em Cinco Níveis. 2017. 68 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2017. https://tede.ufam.edu.br/handle/tede/7649 por Acesso Aberto application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática |
| institution |
TEDE - Universidade Federal do Amazonas |
| collection |
TEDE-UFAM |
| language |
por |
| topic |
Naive Bayes Mineração de dados (Computação) Polaridade Tweet Árvores de Decisão CIÊNCIAS EXATAS E DA TERRA Análise de Sentimento Classificação Polaridade Opinião Naive Bayes SVM Árvores de Decisão |
| spellingShingle |
Naive Bayes Mineração de dados (Computação) Polaridade Tweet Árvores de Decisão CIÊNCIAS EXATAS E DA TERRA Análise de Sentimento Classificação Polaridade Opinião Naive Bayes SVM Árvores de Decisão Ferreira, Felipe Alves Um Modelo de Classificação de Polaridade em Cinco Níveis |
| topic_facet |
Naive Bayes Mineração de dados (Computação) Polaridade Tweet Árvores de Decisão CIÊNCIAS EXATAS E DA TERRA Análise de Sentimento Classificação Polaridade Opinião Naive Bayes SVM Árvores de Decisão |
| description |
Análise de sentimento é a área de estudo que observa as opiniões das pessoas, sentimentos, avaliações, atitudes e emoções em torno de entidades como produtos, serviços, organizações e eventos. No mundo real, empresas e organizações frequentemente estão interessadas em saber opiniões públicas sobre seus produtos e serviços. Os consumidores também estão interessados em saber a opinião de quem adquiriu um produto antes de comprá-lo. Outras pessoas estão interessadas em saber a opinião dos outros sobre determinados candidatos de um pleito eleitoral antes de tomar uma decisão sobre quem irá votar. O objetivo deste trabalho é desenvolver um método de aprendizagem supervisionada capaz de classificar tweets em cinco níveis de polaridade (aprovação completa, opinião positiva pontual, opinião neutra, opinião negativa pontual e rejeição completa) usando para isso tweets do contexto político como estudo de caso. Para tal, investigamos se técnicas que fazem detecção de polaridade de três níveis são capazes de oferecer boas evidências para o treino e testes de classificadores no contexto dos cinco níveis de polaridade nos tweets. Partindo dessa ideia, propomos estratégias de aprendizagem com os classificadores Árvores de Decisão, Naive Bayes e SVM usando como features o modelo de bag-of-words, as evidências a partir de resultados de métodos que classificam polaridade em três níveis e um modelo de extração de meta-informação. Os resultados mostraram que existe um ganho nas acurácias dos classificadores ao
combinar os diferentes modelos de features. |
| author_additional |
Oliveira, David Braga Fernandes de |
| author_additionalStr |
Oliveira, David Braga Fernandes de |
| format |
Dissertação |
| author |
Ferreira, Felipe Alves |
| author2 |
http://lattes.cnpq.br/6952657914341079 |
| author2Str |
http://lattes.cnpq.br/6952657914341079 |
| title |
Um Modelo de Classificação de Polaridade em Cinco Níveis |
| title_short |
Um Modelo de Classificação de Polaridade em Cinco Níveis |
| title_full |
Um Modelo de Classificação de Polaridade em Cinco Níveis |
| title_fullStr |
Um Modelo de Classificação de Polaridade em Cinco Níveis |
| title_full_unstemmed |
Um Modelo de Classificação de Polaridade em Cinco Níveis |
| title_sort |
um modelo de classificação de polaridade em cinco níveis |
| publisher |
Universidade Federal do Amazonas |
| publishDate |
2020 |
| url |
https://tede.ufam.edu.br/handle/tede/7649 |
| _version_ |
1831969847023501312 |
| score |
11.753735 |