Detecção de Categorias de Aspectos Utilizando Redes Neurais Profundas em Avaliações Online
Resumo
Ambientes virtuais, como lojas online (e.g. Amazon, Google Play e Booking), adotam uma estratégia colaborativa de avaliação e reputação, onde os usuários classificam os produtos e serviços. A opinião do usuário representa o grau de satisfação em relação ao item avaliado. O conjunto de avaliações de um item é referencial de sua reputação/qualidade. Portanto, a identificação automática da satisfação do usuário em relação a um item, considerando sua avaliação textual, é uma ferramenta com potencial econômico singular. Com a evolução das pesquisas relacionadas a aprendizagem profunda na área de análise de sentimentos baseada em aspectos, têm surgido oportunidades de aplicar diversas redes neurais neste contexto. Porém, os modelos de representação de dados aplicados nesses pesquisas focam unicamente no uso de redes pré-treinadas de Embeddings como forma de realizar a extração de características dos dados. Desta forma, este trabalho tem como objetivo apresentar uma comparação entre técnicas de representação de dados e abordagens redes profundas, a fim de verificar qual apresenta melhor resultado na tarefa de classificar categorias de aspectos. Com isso, conseguimos observar que o uso de TF-IDF com uma Rede Neural Convolucional (CNN) apresentou uma medida F1 de 0,93%, sendo pelo menos 0,02% superior as demais aplicadas neste trabalho.
Referências
Araújo, M., Gonçalves, P., Benevenuto, F., and Cha, M. (2013). Métodos para análise de sentimentos no twitter. In Proceedings of the 19th Brazilian symposium on Multimedia and the Web (WebMedia’13).
de Paula, H. L., Souza, B. A., Nakamura, F. G., and Nakamura, E. F. (2017). Quantificando a importância de emojis e emoticons para identificação de polaridade em avaliações online.
Gulaty, M. (2016). Aspect-Based Sentiment Analysis. PhD thesis, Dublin, National College of Ireland.
Kim, Y. (2014). Convolutional neural networks for sentence classification. arXiv preprint arXiv:1408.5882.
Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, 5(1):1–167.
Nguyen, T. H. and Shirai, K. (2015). Phrasernn: Phrase recursive neural network for aspect-based sentiment analysis. In Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, pages 2509–2514.
Pavlopoulos, I. (2014). Aspect based sentiment analysis. Athens University of Economics and Business.
Pontiki, M., Galanis, D., Papageorgiou, H., Androutsopoulos, I., Manandhar, S., Mohammad, A.-S., Al-Ayyoub, M., Zhao, Y., Qin, B., De Clercq, O., et al. (2016). Semeval-2016 task 5: Aspect based sentiment analysis. In Proceedings of the 10th international workshop on semantic evaluation (SemEval-2016), pages 19–30.
Pontiki, M., Galanis, D., Papageorgiou, H., Manandhar, S., and Androutsopoulos, I. (2015). Semeval-2015 task 12: Aspect based sentiment analysis. In Proceedings of the 9th International Workshop on Semantic Evaluation (SemEval 2015), pages 486–495.
Poria, S., Cambria, E., and Gelbukh, A. (2016). Aspect extraction for opinion mining with a deep convolutional neural network. Knowledge-Based Systems, 108:42–49.
Santos, R. L. d. S. and Moura, R. S. (2016). Extração de métricas e analise de sentimentos em comentarios web no domınio de hotéis.
Souza, B. A., Almeida, T. G., Menezes, A. A., Nakamura, F. G., Figueiredo, C., and Nakamura, E. F. (2016). For or against?: Polarity analysis in tweets about impeachment process of brazil president. In Proceedings of the 22nd Brazilian Symposium on Multimedia and the Web, pages 335–338. ACM.
Stiilpen Junior, M. and Merschmann, L. H. C. (2016). A methodology to handle social media posts in brazilian portuguese for text mining applications. In Proceedings of the 22nd Brazilian Symposium on Multimedia and the Web, pages 239–246. ACM.
Wang, B. and Liu, M. (2015). Deep learning for aspect-based sentiment analysis.
Wang, W., Pan, S. J., Dahlmeier, D., and Xiao, X. (2016). Recursive neural conditional random fields for aspect-based sentiment analysis. arXiv preprint arXiv:1603.06679.
Xu, L., Lin, J., Wang, L., Yin, C., and Wang, J. (2017). Deep convolutional neural network based approach for aspect-based sentiment analysis. Adv Sci Technol Lett, 143:199–204.
Ye, Q., Zhang, Z., and Law, R. (2009). Sentiment classification of online reviews to travel destinations by supervised machine learning approaches. Expert systems with applications, 36(3):6527–6535.
