Análise de sentimento por meio de redes neurais artificiais em sistemas de avaliação de cursos de graduação

• Autor(a) principal: Barbosa, Marcelo E. G.
• Data de Publicação: 2019
• Outros Autores: Maas, Henry, Pereira, Bruno H. P.
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional Uninter
• Texto Completo: https://repositorio.uninter.com/handle/1/1390
• topic: Inteligência Artificial; Análise de Sentimento; Processamento de Linguagem Natural; Classificação de Texto; BERT

Sistemas de avaliações institucionais são ferramentas essenciais para viabilizar a melhoria das instituições de ensino, baseado de forma geral no feedback do aluno com relação a uma série de critérios. Na tentativa de compreender a grande quantidade de informações geradas por este processo, as técnicas de análise de sentimento podem auxiliar a extrair informações importantes em tais cenários. Baseando-se na literatura a partir das técnicas disponíveis para análise de sentimento, o projeto apresenta os principais conceitos utilizados para a construção de modelos de redes neurais capaz de classificar o sentimento com base em um corpus textual de domínio específico. Por meio de técnicas de experimentação, foram treinados 5 modelos de redes neurais artificiais a fim de evidenciar o melhor modelo para o corpus de avaliação institucional. Na avaliação dos modelos treinados, foi identificado que o BERT (Bidirectional Encoder Representations From Transformers - Representações Bidirecionais Codificadas por Transformadores) é uma técnica se mostrou como o melhor modelo para análise de sentimento com o corpus do questionário institucional aqui estudado, atingindo um F1 score de 0,912. Em adição a esta constatação, foi identificado também que, para futuras melhorias no modelo, o aumento do conjunto de dados pode levar a resultados mais precisos nas predições.