Na teoria clássica de finanças, o sentimento do investidor não é considerado um fator importante sobre os preços das ações. Embora a existência do sentimento do investidor não seja negada, as teorias normalmente partem do princípio de que, em mercados financeiros competitivos, comportamentos de agentes quase-racionais são rapidamente eliminados. Esta tese tem o objetivo de investigar a relação entre o sentimento de mercado e as taxas de retorno futuras das ações. É proposta uma metodologia para a criação de um índice de sentimento específico para o mercado brasileiro com uso da análise de componentes principais. Com o objetivo de verificar a relação deste índice de sentimento com as taxas de retorno das ações, foi estimado um modelo de apreçamento em que esta variável foi incluída, para o período de 1999 a 2008. A amostra foi composta por empresas não-financeiras com ações listadas na BOVESPA, com uma negociabilidade mínima que garantisse observações suficientes e representativas para validar os resultados encontrados na pesquisa. O modelo de apreçamento foi estimado por GMM, levando em consideração o índice de sentimento de mercado, o risco sistêmico das empresas (medido pelo beta) e fatores como tamanho, índice market-to-book, alavancagem, momentum e crescimento da receita. Empregaram-se diferentes procedimentos para estimar os parâmetros dos modelos empíricos formulados, com o propósito de isolar influências espúrias, ocasionadas pela presença de heterogeneidade não-observada, pela existência de eventuais observações extremas ou mesmo pela possível endogeneidade dos regressores. Os resultados deste estudo empírico sugerem que o sentimento é um fator relevante no apreçamento das ações no mercado brasileiro. A relação negativa e significante entre o índice de sentimento e as taxas de retorno, encontrada consistentemente em diferentes modelos, indica um padrão de reversão nas taxas de retornos, ou seja, após um período de sentimento positivo, o impacto nas taxas de retorno no período seguinte é negativo, e vice-versa. / In classical finance theory investor sentiment is not considered an important factor in asset pricing. Although the existence of investor sentiment is not denied, theories assume that in competitive markets quasi-rational behavior is quickly offset by rational agents. The main goal of this thesis is to investigate the relationship between investor sentiment and future stock return rates. It is proposed a methodology to create a sentiment index specifically to the Brazilian market using principal components analysis. In order to analyze the relationship between this sentiment index and the future stock returns, it was estimated a pricing model including this variable for the period comprehending 1999 to 2008. Considering a negotiability restriction to assure representative and sufficient observations to validate a pricing model, the sample consisted of non-financial firms listed at BOVESPA. The pricing model was estimated by GMM considering the sentiment index, systematic risk (market beta) and factors as firm size, market-to-book ratio, leverage and return predictability measured by momentum or income growth. Different estimation procedures were applied to find empirical models coefficients which are less affected by spurious influence such as unobserved heterogeneity, outliers or possible regressors endogeneity. Results of the empirical study suggest that sentiment is a relevant factor in Brazilian asset pricing models. A negative and statistically significant relationship between the sentiment index and stock returns was consistently found in different models specifications. These findings suggest the existence of a reversion pattern in stock returns, meaning that after a positive sentiment period, the impact on subsequent stock returns is negative and vice-versa.

O grande volume de dados que temos disponíveis em ambientes virtuais pode ser excelente fonte de novos recursos para estudos em diversas tarefas de Processamento de Linguagem Natural, como a Análise de Sentimentos. Infelizmente é elevado o custo de anotação de novos córpus, que envolve desde investimentos financeiros até demorados processos de revisão. Nossa pesquisa propõe uma abordagem de anotação semissupervisionada, ou seja, anotação automática de um grande córpus não anotado partindo de um conjunto de dados anotados manualmente. Para tal, introduzimos o TweetSentBR, um córpus de tweets no domínio de programas televisivos que possui anotação em três classes e revisões parciais feitas por até sete anotadores. O córpus representa um importante recurso linguístico de português brasileiro, e fica entre os maiores córpus anotados na literatura para classificação de polaridades. Além da anotação manual do córpus, realizamos a implementação de um framework de aprendizado semissupervisionado que faz uso de dados anotados e, de maneira iterativa, expande o mesmo usando dados não anotados. O TweetSentBR, que possui 15:000 tweets anotados é assim expandido cerca de oito vezes. Para a expansão, foram treinados modelos de classificação usando seis classificadores de polaridades, assim como foram avaliados diferentes parâmetros e representações a fim de obter um córpus confiável. Realizamos experimentos gerando córpus expandidos por cada classificador, tanto para a classificação em três polaridades (positiva, neutra e negativa) quanto para classificação binária. Avaliamos os córpus gerados usando um conjunto de held-out e comparamos a FMeasure da classificação usando como treinamento os córpus anotados manualmente e semiautomaticamente. O córpus semissupervisionado que obteve os melhores resultados para a classificação em três polaridades atingiu 62;14% de F-Measure média, superando a média obtida com as avaliações no córpus anotado manualmente (61;02%). Na classificação binária, o melhor córpus expandido obteve 83;11% de F1-Measure média, superando a média obtida na avaliação do córpus anotado manualmente (79;80%). Além disso, simulamos nossa expansão em córpus anotados da literatura, medindo o quão corretas são as etiquetas anotadas semi-automaticamente. Nosso melhor resultado foi na expansão de um córpus de reviews de produtos que obteve FMeasure de 93;15% com dados binários. Por fim, comparamos um córpus da literatura obtido por meio de supervisão distante e nosso framework semissupervisionado superou o primeiro na classificação de polaridades binária em cross-domain. / The high volume of data available in the Internet can be a good resource for studies of several tasks in Natural Language Processing as in Sentiment Analysis. Unfortunately there is a high cost for the annotation of new corpora, involving financial support and long revision processes. Our work proposes an approach for semi-supervised labeling, an automatic annotation of a large unlabeled set of documents starting from a manually annotated corpus. In order to achieve that, we introduced TweetSentBR, a tweet corpora on TV show programs domain with annotation for 3-point (positive, neutral and negative) sentiment classification partially reviewed by up to seven annotators. The corpus is an important linguistic resource for Brazilian Portuguese language and it stands between the biggest annotated corpora for polarity classification. Beyond the manual annotation, we implemented a semi-supervised learning based framework that uses this labeled data and extends it using unlabeled data. TweetSentBR corpus, containing 15:000 documents, had its size augmented in eight times. For the extending process, we trained classification models using six polarity classifiers, evaluated different parameters and representation schemes in order to obtain the most reliable corpora. We ran experiments generating extended corpora for each classifier, both for 3-point and binary classification. We evaluated the generated corpora using a held-out subset and compared the obtained F-Measure values with the manually and the semi-supervised annotated corpora. The semi-supervised corpus that obtained the best values for 3-point classification achieved 62;14% on average F-Measure, overcoming the results obtained by the same classification with the manually annotated corpus (61;02%). On binary classification, the best extended corpus achieved 83;11% on average F-Measure, overcoming the results on the manually corpora (79;80%). Furthermore, we simulated the extension of labeled corpora in literature, measuring how well the semi-supervised annotation works. Our best results were in the extension of a product review corpora, achieving 93;15% on F1-Measure. Finally, we compared a literature corpus which was labeled by using distant supervision with our semi-supervised corpus, and this overcame the first in binary polarity classification on cross-domain data.

Dynamique capacitaire et développement du projet: étude des processus identitaires chez une population étudiante / Dynamic of Capabilities and Project Development: Study of Identity Processes in a Student Population

Instagram is one of the main social platforms for business promotion. Millions of potential customers and endless visual marketing opportunities makes Instagram a perfect place to increase online sales. There are many tools and mechanisms to promote brands on Instagram such as paid advertising or using a pre-generated set of popular hashtags. In this regard, the presence and content of users’ comments becomes an important socio-psychological factor in the motivation to buy or use a product or service. The goal of this degree project is to investigate natural language processing techniques applied to users’ comments on Instagram in order to determine a new algorithm that will include content analysis to the list of feed ranking factors. As it is now, the user has to read through posts on Instagram to get an idea of the quality of a product or service. Therefore, a way to classify and rank products and services is needed. We propose a new algorithm called "Wed 2.0" that can assist consumers in their search of wedding services and products on Instagram. Data mining techniques and sentiment analysis are used to define the mood of the comments and structure user opinions as well as to rank accounts based on this knowledge.

La corruption au travail est une problématique importante, présente au niveau mondial, qui touche à la fois les organisations privées et publiques. Elle est reconnue comme un phénomène coûteux aux conséquences négatives sur divers aspects du développement économique et humain. Étant donné que les actes et le comportement des individus corrompus au travail est un sujet qui n’est pas facile à appréhender pour les gestionnaires, ce travail de recherche vise à explorer le concept de corruption organisationnelle. Dans ce travail, un certain nombre d’éléments ont été pris en compte pouvant prévenir et de contrôler les actes et les comportements des individus corrompus au travail. Nous nous sommes appuyés sur la théorie de la conservation des ressources (COR) de Hobfoll (1989) pour construire la recherche. La motivation de la corruption est théorisée à travers le modèle COR. Ce cadre propose une corruption au travail appréhendée comme une stratégie de prévention de perte des valeurs de motivation des salariés. Cette recherche étudie l’impact direct de l’impuissance, du sentiment de maîtrise et de justice procédurale et distributive sur la corruption. Dans cette relation est analysé en plus l’effet modérateur de la transparence et du climat d’entraide. Pour cette recherche 575 salariés dans des organisations internationales ont été interrogés. Les résultats démontrent que l'impuissance affecte positivement la corruption et la déviance au travail. Cependant, la justice distributive affecte négativement la corruption au travail. Le sentiment de la maîtrise et la justice procédurale affectent négativement la corruption et la déviance au travail. Cependant, la justice distributive impacte négativement la corruption au travail. Les résultats obtenus valident la plupart de nos principales hypothèses, mais ils suggèrent que l'importance de la nature de la corruption du type de corruption par rapport aux variables de ressources. / Workplace corruption is a global issue for private and public organizations. It has beenrecognized as a costly phenomenon having negative consequences in various aspects ofeconomic and human development. Since corrupt acts and behaviors of individuals atworkplace are a challenging subject for managers, this doctoral dissertation seeks to exploreorganizational corruption and also to emphasize the importance of organizational corruptionstudy from a managerial perspective. This study provides elements to better understand howto prevent and to control corrupt acts and behaviors at work. The research model isconstructed on the basis of conservation of resources (COR) theory of Hobfoll (1989).Corruption motivation is theorized through COR theory and within this framework, itproposes corruption as a strategy to prevent the perceived loss of valued motivationalresources. Specially, this research investigates the direct impact of powerlessness, sense ofmastery, distributive and procedural justice on workplace corruption. Furthermore, it studiesthe moderating effect of transparency and caring climate on the relationship betweenpowerlessness, sense of mastery, procedural justice, distributive justice, and workplacecorruption. Sample consists of 575 employees from international organizations havecontributed to this research. Results highlight that powerlessness positively, sense of masteryand procedural justice negatively impact on workplace corruption and deviance. However,distributive justice only negatively impacts on workplace corruption. Results mostly validateour principal hypotheses but suggest that the nature of corruption relates to the type ofresources felt threatened.

Religious belief and attendance predict improved well-being at the individual level. Paradoxically, geographic locations with high rates of religious belief and attendance are often those with the differentially high rates of societal instability and suffering. Many of the consequences of religiosity are context-based and vary across time, and holy days are naturally-occurring religious cues that have been shown to influence religiously-relevant attitudes and behaviors. I investigated the degree to which personal religiosity and religious geography (i.e. religious demographics with other location variables) individually and interactively predict well-being across days of the week. In the first study, American Christians demonstrated greater well-being by expressing more positive sentiment in Twitter posts, while American Muslims displayed less well-being. Sundays were generally the most positive day, but American Muslims communicated more happiness on Fridays (the Muslim holy day). In the second study, Christianity did not predict increased well-being in the posts of college students. In the third study, global survey data with measures of religiosity and well-being indicated that the well-being consequences of religious affiliation depend on the religious group and location, and that people tend to be especially positive on their group’s holy day. Study four explored the latent topical content of Twitter posts. Across studies, religious minority status appeared to have a deleterious effect on well-being.

Com a crescente expansão da Web, cada vez mais usuários compartilham suas opiniões sobre experiências vividas. Essas opiniões estão, na maioria das vezes, representadas sob a forma de texto não estruturado. A Análise de Sentimentos (ou Mineração de Opinião) é a área dedicada ao estudo computacional das opiniões e sentimentos expressos em textos, tipicamente classificando-os de acordo com a sua polaridade (i.e., como positivos ou negativos). Ao mesmo tempo em que sites de vendas e redes sociais tornam-se grandes fontes de opiniões, cresce a busca por ferramentas que, de forma automática, classifiquem as opiniões e identifiquem a qual aspecto da entidade avaliada elas se referem. Neste trabalho, propomos métodos direcionados a dois pontos fundamentais para o tratamento dessas opiniões: (i) análise de sentimentos baseada em aspectos e (ii) atribuição de polaridade. Para a análise de sentimentos baseada em aspectos, desenvolvemos um método que identifica expressões que mencionem aspectos e entidades em um texto, utilizando ferramentas de processamento de linguagem natural combinadas com algoritmos de aprendizagem de máquina. Para a atribuição de polaridade, desenvolvemos um método que utiliza 24 atributos extraídos a partir do ranking gerado por um motor de busca e para gerar modelos de aprendizagem de máquina. Além disso, o método não depende de recursos linguísticos e pode ser aplicado sobre dados com ruídos. Experimentos realizados sobre datasets reais demonstram que, em ambas as contribuições, conseguimos resultados próximos aos dos baselines mesmo com um número pequeno de atributos. Ainda, para a atribuição de polaridade, os resultados são comparáveis aos de métodos do estado da arte que utilizam técnicas mais complexas. / With the growing expansion of the Web, more and more users share their views on experiences they have had. These views are, in most cases, represented in the form of unstructured text. The Sentiment Analysis (or Opinion Mining) is a research area dedicated to the computational study of the opinions and feelings expressed in texts, typically categorizing them according to their polarity (i.e., as positive or negative). As on-line sales and social networking sites become great sources of opinions, there is a growing need for tools that classify opinions and identify to which aspect of the evaluated entity they refer to. In this work, we propose methods aimed at two key points for the treatment of such opinions: (i) aspect-based sentiment analysis and (ii) polarity assignment. For aspect-based sentiment analysis, we developed a method that identifies expressions mentioning aspects and entities in text, using natural language processing tools combined with machine learning algorithms. For the identification of polarity, we developed a method that uses 24 attributes extracted from the ranking generated by a search engine to generate machine learning models. Furthermore, the method does not rely on linguistic resources and can be applied to noisy data. Experiments on real datasets show that, in both contributions, our results using a small number of attributes were similar to the baselines. Still, for assigning polarity, the results are comparable to prior art methods that use more complex techniques.

A análise de contradições é uma área relativamente nova, multidisciplinar e complexa que tem por objetivo principal identificar pedaços contraditórios de texto. Ela pode ser abordada a partir das perspectivas de diferentes áreas de pesquisa, tais como processamento de linguagem natural, mineração de opinioes, recuperação de informações e extração de Informações. Este trabalho foca no problema de detectar contradições em textos – mais especificamente, nas contradições que são o resultado da diversidade de sentimentos entre as sentenças de um determinado texto. Ao contrário de outros tipos de contradições, a detecção de contradições baseada em sentimentos pode ser abordada como uma etapa de pós-processamento na tarefa tradicional de análise de sentimentos. Neste contexto, este trabalho apresenta duas contribuições principais. A primeira é um estudo exploratório da tarefa de classificação, na qual identificamos e usamos diferentes ferramentas e recursos. A segunda contribuição é a adaptação e a extensão de um framework de análise contradição existente, filtrando seus resultados para remover os comentários erroneamente rotulados como contraditórios. O método de filtragem baseia-se em dois algoritmos simples de similaridade entre palavras. Uma avaliação experimental em comentários sobre produtos reais mostrou melhorias proporcionais de até 30 % na acurácia da classificação e 26 % na precisão da detecção de contradições. / Contradiction Analysis is a relatively new multidisciplinary and complex area with the main goal of identifying contradictory pieces of text. It can be addressed from the perspectives of different research areas such as Natural Language Processing, Opinion Mining, Information Retrieval, and Information Extraction. This work focuses on the problem of detecting sentiment-based contradictions which occur in the sentences of a given review text. Unlike other types of contradictions, the detection of sentiment-based contradictions can be tackled as a post-processing step in the traditional sentiment analysis task. In this context, we make two main contributions. The first is an exploratory study of the classification task, in which we identify and use different tools and resources. Our second contribution is adapting and extending an existing contradiction analysis framework by filtering its results to remove the reviews that are erroneously labeled as contradictory. The filtering method is based on two simple term similarity algorithms. An experimental evaluation on real product reviews has shown proportional improvements of up to 30% in classification accuracy and 26% in the precision of contradiction detection.

Detecção de posicionamento é a tarefa de automaticamente identificar se o autor de um texto é favorável, contrário, ou nem favorável e nem contrário a uma dada proposição ou alvo. Com o amplo uso do Twitter como plataforma para expressar opiniões e posicionamentos, a análise automatizada deste conteúdo torna-se de grande valia para empresas, organizações e figuras públicas. Em geral, os trabalhos que exploram tal tarefa adotam abordagens supervisionadas ou semi-supervisionadas. O presente trabalho propõe e avalia um processo não supervisionado de detecção de posicionamento em textos de tweets que tem como entrada apenas o alvo e um conjunto de tweets a rotular e é baseado em uma abordagem híbrida composta por 2 etapas: a) rotulação automática de tweets baseada em um conjunto de heurísticas e b) classificação complementar baseada em aprendizado supervisionado de máquina. A proposta tem êxito quando aplicada a figuras públicas, superando o estado-da-arte. Além disso, são avaliadas alternativas no intuito de melhorar seu desempenho quando aplicada a outros domínios, revelando a possibilidade de se empregar estratégias tais como o uso de alvos e perfis semente dependendo das características de cada domínio. / Stance Detection is the task of automatically identifying if the author of a text is in favor of the given target, against the given target, or whether neither inference is likely. With the wide use of Twitter as a platform to express opinions and stances, the automatic analysis of this content becomes of high regard for companies, organizations and public figures. In general, works that explore such task adopt supervised or semi-supervised approaches. The present work proposes and evaluates a non-supervised process to detect stance in texts of tweets that has as entry only the target and a set of tweets to classify and is based on a hybrid approach composed by 2 stages: a) automatic labelling of tweets based on a set of heuristics and b) complementary classification based on supervised machine learning. The proposal succeeds when applied to public figures, overcoming the state-of-the-art. Beyond that, some alternatives are evaluated with the intention of increasing the performance when applied to other domains, revealing the possibility of use of strategies such as using seed targets and profiles depending on each domain characteristics.

Análise de Sentimentos/Mineração de Opinião é adotada na engenharia de software para questões como usabilidade e sentimentos de desenvolvedores em projetos. Este trabalho propõe métodos para avaliar os sentimentos presentes em tíquetes abertos à área de suporte de TI. Há diversos tipos de tíquetes abertos à TI (e.g. infraestrutura, software), que envolvem erros, incidentes, requisições, etc. O maior desafio é automaticamente distinguir entre a necessidade em si, a qual é intrinsecamente negativa (por exemplo, a descrição de um erro), de um sentimento embutido na descrição. Nossa abordagem automaticamente cria um dicionário de domínio que contém termos que expressam sentimentos no contexto de TI, utilizados para filtrar expressões em um tíquete para análise de sentimentos. Nós criamos e avaliamos três métodos de classificação para calcular a polaridade em tíquetes. Nosso estudo utilizou 34.895 tíquetes de cinco organizações. Para polaridade, 2.333 tíquetes foram selecionados aleatoriamente para compor nosso gold standard. Nossos melhores resultados apresentam uma precisão e revocação de 82,83% e 88,42%, respectivamente, o que supera outras soluções de análise de sentimentos comparadas. De forma complementar, emoções em tíquetes foram estudadas considerando os modelos de Ekman e VAD. Um dos três métodos de classificação criados foi adaptado para também identificar emoções nos tíquetes. Possíveis correlações entre polaridade e emoções foram verificadas via regras de associação. Resultados correlacionam tíquetes positivos com valência e dominância altas e excitação baixa, além de presença de alegria e surpresa e ausência de medo. Tíquetes negativos correlacionam com valência, excitação e dominância neutras, além de ausência de alegria e presença de medo. Contudo os resultados para a polaridade negativa não são precisos. / Sentiment Analysis/Opinion Mining has been adopted in software engineering for problems such as software usability and sentiment of developers in projects. This work proposes methods to evaluate the sentiment contained in tickets for IT (Information Technology) support. IT tickets are broad in coverage (e.g. infrastructure, software), and involve errors, incidents, requests, etc. The main challenge is to automatically distinguish between factual information, which is intrinsically negative (e.g. error description), from the sentiment embedded in the description. Our approach is to automatically create a domain dictionary that contains terms with sentiment in IT context, used to filter terms in tickets for sentiment analysis. We created and evaluate three classification methods for calculating the polarity of terms in tickets. Our study was developed using 34,895 tickets from five organizations. For polarity, we randomly selected 2.333 tickets to compose a gold standard. Our best results display an average precision and recall of 82.83% and 88.42%, respectively, which outperforms the compared sentiment analysis solutions. Complementarily, emotions in tickets were studied considering the models of Ekman and VAD. One of the three classification methods created has been adapted to also identify emotions in the tickets. Possible correlations between polarity and emotions were verified through association rules. Results correlate positive tickets with valence and dominance high and low excitation, besides presence of joy and surprise and absence of fear. Negative tickets correlate with valence, neutral excitement and dominance, besides absence of joy and presence of fear. However the results for negative polarity are not accurate.