Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Mas afinal, para que serve Análise de Sentimentos? - Python Brasil 2018

C5dcbcc9081a8345816340f06e9f18a7?s=47 Betina Costa
October 22, 2018
4

Mas afinal, para que serve Análise de Sentimentos? - Python Brasil 2018

Temos milhares de opiniões circulando nas redes sociais. Podemos utilizá-las para saber as pessoas que estão secando a seleção na copa, quem vai votar no Lula nas próximas eleições e quem curtiu ou não a compra do GitHub pela Microsoft.
Nessa talk vou abordar como utilizar análise de sentimentos em redes sociais para entender os sentimentos e propensões das pessoas e como utilizar essa informação.

Vídeo: https://youtu.be/JMQaFBYNLno

C5dcbcc9081a8345816340f06e9f18a7?s=128

Betina Costa

October 22, 2018
Tweet

Transcript

  1. MAS AFINAL, PARA QUE SERVE ANÁLISE DE SENTIMENTOS?

  2. 2 ⊸ Deva na ThoughtWorks; ⊸ Pythonista; ⊸ Estudante de

    Data Science; ⊸ Treinadora DG, RR, AP; ⊸ Cinéfila; BETINA COSTA
  3. Geral ⊸ Atitudes; ⊸ Emoções; ⊸ Opiniões; ⊸ Impressões subjetivas;

    O que é Sentimento? Em Análise de Sentimentos ⊸ Emoção presente em uma mensagem; 3
  4. 1. O QUE É ANÁLISE DE SENTIMENTOS? 4

  5. Entidades de Interesse ⊸ Pessoas; ⊸ Empresas; ⊸ Produtos; ⊸

    Decisões ou Ações; 5
  6. Perguntas ⊸ Qual a recepção de um produto? ⊸ Como

    as pessoas receberam uma campanha de marketing? ⊸ Qual a percepção dos eleitores sobre um candidato? 6
  7. Outros usos ⊸ Extração de informações; ⊸ Resposta a Perguntas;

    ⊸ Identificar classificação de vídeos; ⊸ Identificar viés em notícias; 7
  8. 8 RESUMINDO

  9. 2. COMO FAZER? 9

  10. Polaridade ⊸ Black Mirror é ótimo! -> positivo ⊸ Black

    Mirror é péssimo -> negativo ⊸ Black Mirror é uma série -> neutro 10
  11. Sentenças Subjetivas. ⊸ Sentimentos; ⊸ Opiniões; Subjetividade x Objetividade Sentenças

    Objetivas ⊸ Informações; ⊸ Fatos; 11
  12. 3. ETAPAS 12

  13. Coleta de Conteúdo ⊸ Busca em fontes; ⊸ Separar fatos

    de opiniões; ⊸ Web crawlers; 13
  14. Classificação ⊸ Descobrir a polaridade de uma opinião; ⊸ Técnicas

    Supervisionadas; ⊸ Técnicas não supervisionadas; 14
  15. Machine Learning ⊸ Fase de treinamento; ⊸ Amostras previamente classificadas;

    ⊸ Requer uma amostragem substancial; 15
  16. Machine Learning ⊸ Alta subjetividade; ⊸ Especialistas para classificar diversas

    sentenças; ⊸ Restrito ao contexto; 16
  17. Técnicas não Supervisionadas ⊸ Não requerem treinamento; ⊸ Não é

    restrito ao contexto; 17
  18. Abordagens Léxicas “Você é tão amorosa” Positivo! 18 Amor (+)

    Ódio (-) Gostoso (+) Legal (+) Infeliz (-) Cansado (-) Verdade (+) Entrada Dicionário Léxico Saída
  19. Sumarização 19 ⊸ Apresentação dos Resultados; ⊸ Textual; ⊸ Gráfica;

  20. LIVE AT TDC POA! 20

  21. Obrigada! Perguntas? @ngasonicunicorn fb.com/error404not betinacosta 21