Otimização de aplicações de processamento de linguagem natural para análise de sentimentos

• Autor(a) principal: Lopes, Anderson Claiton
• Data de Publicação: 2024
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/255877
• topic: Processamento de linguagem natural; Análise de sentimentos; Aprendizado de máquina; Natural language processing; Sentiment analysis; Machine learning

Os recentes avanços tecnológicos proporcionaram um aumento no volume de dados disponíveis nas redes sociais. Nesse tipo de ambiente as pessoas, na sua grande maioria, procuram desenvolver diálogos, expressar opiniões e sentimentos. Esse comportamento ganha cada vez mais a atenção de empresas e organizações, influenciando na tomada de decisões das mesmas. Cada rede social possui uma característica, o que influencia no comportamento do usuário. O Twitter, por exemplo, é uma plataforma na qual os usuários expressam suas opiniões por meio de pequenas mensagens e recebem comentários de outros usuários, que podem ser por meio de texto, áudio, imagens e vídeos. Analisar essas informações em tempo real com técnicas manuais, prova-se impraticável e, com isso, ferramentas computacionais tornaram-se relevantes nesse tipo de análise. O Processamento de Linguagem Natural (PLN) é uma área da Inteligência Artificial e da Linguística, dedicada a fazer os computadores entenderem as declarações ou palavras escritas em línguas humanas. A PLN surgiu para facilitar o trabalho do usuário e para satisfazer o desejo de se comunicar com o computador em linguagem natural. Nos últimos anos, surgiram diversos estudos com diferentes heurísticas, afim de resolver o problema. Uma destas é o uso de algoritmos combinados com o uso de aprendizado de máquina. Diversos estudos destacam a importância da combinanção de algoritmos e técnicas computacionais, sempre com o objetivo de chegar aos melhores resultados. Assim, o presente trabalho teve como objetivo combinar algoritmos de processamento de linguagem natural e ferramentas computacionais, com a obtenção de melhores resultados de acurácia, precisão, revocação e F1-score, quando comparado a outras propostas, no desafio de analisar sentimentos.