usadas para expressar sentimentos positivos ou negativos e opiniões subjetivas presentes em um texto. Lexicons geralmente são divididos em unigramas, bigramas e pares. Unigramas são palavras únicas, bigramas são pares de palavras, e pares podem ser um par de unigramas, bigramas, ou unigrama-bigrama. 19
Manualmente, usando mão de obra humana como no Amazon Mechanical Turk; - Método dicionário, onde se utiliza uma lista curta de palavras e um programa que procura recursivamente por todos os sinônimos à essas palavras em um dicionário; - Método Corpus, em que se utilizam extensas bases rotuladas para mineração de texto e treino. 20
que identifica e extrai informações subjetivas na corpora de texto usada para análise. Sua maior aplicação atual em mercado, é ajudar empresas a entender o sentimento social da sua própria marca, produto ou serviço processando interações em redes sociais como Twitter, Facebook e Instagram. 23
de sarcasmo, estudo de contexto e intenção, reconhecimento de entidades, classificação de emojis e erros ortográficos. Com os recentes avanços em Deep Learning, a capacidade dos algoritmos de analisar o texto melhorou consideravelmente, e alguns estudos já mostram avanços em identificação de sarcasmo, estudo de contexto e classificação de emojis. 24
em Machine Learning, são eficazes em contexto de aprendizado supervisionado, ou seja, existe uma base de dados rotulada (input e output); - Baseadas em Lexicons, são eficazes em contexto de aprendizado não supervisionado, onde não há rótulos de saída esperada. 25
- os: biblioteca padrão para manipulação do S.O.; - re, string: bibliotecas padrão para processamento de texto; - glob: biblioteca de manipulação de arquivos no S.O.; - nltk: biblioteca de processamento e tokenização; - TextBlob: biblioteca de análise básica de texto;
uma biblioteca de processamento de texto; 2. Rede Neural treinada com avaliações de filmes no IMDb; 3. Análise Lexicon-based, com contagem de termos (unigramas e bigramas).
IDs para tweet objects; 2. Limpeza de atributos dos dados; 3. Análise estatística básica geral; 4. Redução de ruído e retirada de textos duplicados; 5. Criação dos modelos; 6. Classificação de sentimentos; 7. Análise estatística básica dos sentimentos.
e análise probabilística. A Rede Neural é treinada em avaliações de filmes recolhidas pelo projeto CoreNLP de Stanford no site IMDb. A abordagem lexicon-based é feita por reconhecimento de padrões no texto, utilizando unigramas e bigramas de um lexicon feito manualmente para análises de textos em redes sociais.
- O texto de treinamento, por ter um contexto muito diferente do estudado, tem um número muito alto de erros de classificação; - Como tweets são um tipo de texto não classificado, onde a classificação seria manual, não é factível treiná-lo.
O lexicon precisa ser específico para o assunto da análise. Mesmo estando no mesmo contexto (redes sociais), a análise foi fraca; - Utilizar pares de negação-unigrama ou negação-bigrama não foi possível, mas melhoraria nossa análise.
pydatabh
robintux
akiraasano
datarian
koheihasebe
roadofhope
aecrp
masakat0
empelt
signer
sciencetokyo
cm_manaus
honnibal
techseoconnect
ryanjones
aki_iinuma
cassininazir
lcolladotor
hannesfritz
nmsamuel
chrisshort
bluesmoon
marktimemedia
