Modelos neurais artificiais de língua natural para análise de sentimentos em português

• Autor(a) principal: Candido, Gabriel de Souza
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/30438
• topic: Máquinas de Vetores de Suporte; Regressão Logística; Análise de Sentimentos; Tweets; Processamento de linguagem natural (Computação); Língua portuguesa; Mineração de opiniões (Computação); Twitter (Site de relacionamentos); Embeddings; Support Vector Machines; Logistic Regression; Sentiment Analysis

Problemas de classificação de texto são amplamente estudados em Aprendizado de Máquina, uma das subáreas da Inteligência Artificial. Porém, a carência de estudos na língua portuguesa acaba por ser um entrave para a expansão da área em solos onde a língua portuguesa é utilizada. Esta monografia trata de um problema de classificação na área de análise de sentimentos em tweets, utilizando como foco modelos neurais de língua natural e bases de dados de tweets em português. A maioria das bases de dados possuem temas que as caracterizam, além de tamanhos e distribuição distintas para sentenças com polaridade positiva ou negativa. A monografia tem dois objetivos principais. O primeiro, envolve a investigação de modelos de língua natural treinados para a língua portuguesa, e sua comparação com um modelo treinado para tweets e outro treinado com várias línguas. O segundo objetivo é investigar como os modelos treinados para a língua portuguesa se comportam quando ajustados para dois conjuntos de bases de dados, um contendo nove bases e outro contendo essas mesmas nove bases, mas acresentando outras duas grandes bases. Os resultados são obtidos com diferentes metodologias, a saber, usando os modelos pré-treinados da forma que são disponibilizados, bem como executando um treinamento continuado do modelo neural com três abordagens distintas. Para obter os resultados preditivos são considerados dois classificadores, a saber, regressão logística e máquinas de vetores de suporte. Para calcular os resultados preditivos, são utilizadas duas medidas e avaliação seguindo um procedimento de validação cruzada com dez folds, a saber, a acurácia e valor da medida F1. As características das bases de dados, dos modelos e metodologias são considerados para as comparações e justificativas levantadas na pesquisa, buscando implicações que as mesmas podem ter tido nos resultados alcançados. Os resultados alcançados permitem concluir que o modelo BERTIMBAU apresenta os melhores resultados, sendo a metodologia inData a técnica que apresenta os melhores resultados para os modelos testados. Concluímos ainda que a adição de novas bases só é benéfica para o modelo ALBERTPT, não apresentando melhoras para o modelo BERTIMBAU. Para os classificadores, a Regressão Logística foi o que apresentou os melhores resultados para quase todos os resultados.