Análise de Sentimentos em Tweets em Português Brasileiro

• Daniel P. Kansaon PUC-MG
• Michele A. Brandão UFMG
• Saulo A. de Paula Pinto PUC-MG

DOI: https://doi.org/10.5753/brasnam.2018.3578

Resumo

Existem diversos trabalhos sobre análise de sentimentos para a língua inglesa. No caso do português brasileiro, a quantidade de trabalhos é menor por não existirem tantas bases de dados disponíveis e métodos para realizar a análise. Este trabalho apresenta uma metodologia para comparar técnicas que classificam sentimentos expressos diretamente ou indiretamente em tweets no idioma português brasileiro. Ademais, são consideradas e identificadas sete classes de sentimentos nos tweets. Os resultados são promissores ao classificar sentimentos distintos, pois o melhor classificador alcança 85% de acerto. Por outro lado, relações entre sentimentos próximos apresentam resultados inferiores a 70% de acerto.

Referências

Araújo, M.; Gonçalves, P.; Benevenuto, F. (2015). Métodos para Análise de Sentimentos em Mídias Sociais. In Procs. of Simpósio Brasileiro de Multimídia e Web (WEBMEDIA), p. 27 - 30, Manaus, Brasil.

Araújo, M.; Reis, J.; Pereira, A.; Benevenuto, F. (2016). An Evaluation of Machine Translation for Multilingual Sentence-level Sentiment Analysis. In Procs. of ACM Symposium on Applied Computing (SAC), p. 1140 - 1145, Pisa, Itália.

Bouazizi, M.; Ohtsuki, T. (2016). Sentiment Analysis in Twitter: From Classification to Quantification of Sentiments within Tweets. In Procs. of Global Communications Conference (GLOBECOM). p. 1 - 6, Washington, USA.

Caetano, J. A. C.; Lima, H. S. L.; dos Santos Santos, M. F.; Marques-Neto, H. T. M. N. (2017). Utilizando Análise de Sentimentos para Definição da Homofilia Política dos Usuários do Twitter durante a Eleição Presidencial Americana de 2016. In Procs. of Brazilian Workshop on Social Network Analysis and Mining (BraSNAM), p. 480-491, São Paulo, Brasil.

Cavalcanti, D. C. et al. (2012). Análise de Sentimento em Citações Científicas para Definição de Fatores de Impacto Positivo. In Procs. of International Workshop on Web and Text Intelligence (WTI), 4. p. 1 - 10, Paraná, Brasil.

Dwivedi, S.; Kasliwal, P.; Soni, S. (2016). Comprehensive study of data analytics tools (RapidMiner, Weka, R tool, Knime). In Procs. of Symposium On Colossal Data Analysis And Networking (CDAN), p. 1 - 8, Indore, India.

França, Tiago C. de; Oliveira, Jonice. (2014). Análise de Sentimento de Tweets Relacionados aos Protestos que ocorreram no Brasil entre Junho e Agosto de 2013. In Procs. of Brazilian Workshop on Social Network Analysis and Mining (BraSNAM), p. 128 - 139, Brasília, Brasil.

Garg, T.; Khurana, S. S. (2014). Comparison of classification techniques for intrusion detection dataset using WEKA. In Procs. of International Conference on Recent Advances and Innovations in Engineering (ICRAIE). p. 1 - 5, Jaipur, India.

Garimella, Kiran. et al. (2018). Quantifying Controversy in Social Media. Journal ACM Transactions on Social Computing, v. 1, n. 1, p. 3:1--3:27.

Matsuda, Y. (2017). Development of Emotion Teaching Interfaces using Emoticons and Emojis. In Procs of International Conference On Intelligent Human-Machine Systems and Cybernetics (IHMSC), 9, p. 253 - 258, Hangzhou, China.

Neri, F; Aliprandi, C; Capeci, F; Cuadros, M. (2012) Sentiment Analysis on Social Media. In Procs. of IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM), p. 919 - 926, Istanbul, Turquia.

Pandey, A. K.; Rajpoot, D. S. (2016). A comparative study of classification techniques by utilizing WEKA. In Procs. of International Conference On Signal Processing And Communication (ICSC). p. 219 - 224, Bangalore, India.

Witten I. H.; Frank, E; Hall, M. A.; Pal, C. J. (2016). Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann Publishers, 4th edition. ISBN: 978-0128042915.

Yadollahi, A.; Shahraki, A. G.; Zaiane, O. R. (2017). Current State of Text Sentiment Analysis from Opinion to Emotion Mining. ACM Computing Surveys, v. 50, n.2, p. 1 - 33.