Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-09T13:49:25Z
No. of bitstreams: 2
dissertacao_nelson.pdf: 1959923 bytes, checksum: ebe6bba80aefc9ee445580dddc4e9fd1 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-09T13:49:25Z (GMT). No. of bitstreams: 2
dissertacao_nelson.pdf: 1959923 bytes, checksum: ebe6bba80aefc9ee445580dddc4e9fd1 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2013-01-28 / Na última década, a Internet tem crescido de forma surpreendente, tornando-se uma das maiores bases de informações do mundo. Com o surgimento e o rápido cresci-mento de Blogs, Fóruns e Redes Sociais, milhões de usuários tornam públicas suas opi-niões sobre os mais diversos assuntos.
Esse tipo de informação é de grande auxílio para pessoas e empresas na hora de tomar uma decisão. Contudo, toda essa informação está dispersa na Web, em formato livre, tornando impraticável a análise manual dessas opiniões com o objetivo de se obter o “sentimento geral” acerca de um produto ou serviço. Automatizar essa tarefa é a me-lhor alternativa. Porém, interpretar textos em formato livre não é uma tarefa trivial para o computador, devido às irregularidades e à ambiguidade inerentes às línguas naturais.
Nesse contexto, estão surgindo sistemas que tratam as opiniões de forma auto-mática utilizando-se dos conceitos da área de Análise de Sentimentos (AS), também conhecido por Mineração de Opinião. A AS se preocupa em classificar opiniões expres-sas em textos, com respeito a um determinado produto ou serviço, como positivas ou negativas.
Muitos trabalhos foram propostos na área de Análise Sentimentos, porém, a maioria destes provê uma avaliação global para o sentimento expresso no texto. O Tra-balho aqui proposto busca realizar uma análise mais refinada, que é conhecida como Classificação em Nível de Característica. Nesse nível busca-se classificar a polaridade das opiniões sobre cada característica do objeto sendo monitorado.
O processo proposto classifica pares (característica, palavra opinativa), uma vez que alguns adjetivos mudam de polaridade a depender do substantivo que eles qua-lificam (e.g., “cerveja quente”, “pizza quente”). Utilizamos aqui técnicas baseadas em Estatística e Linguística, com apoio da ferramenta SentiWordNet [ESULI & SEBASTI-ANI, 2006]. Resultados experimentais mostraram que o processo tem alta eficácia, su-perando outros métodos existentes.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/11441 |
| Date | 28 January 2013 |
| Creators | SILVA, Nelson Gutemberg Rocha da |
| Contributors | BARROS, Flávia de Almeida |
| Publisher | Universidade Federal de Pernambuco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds