Identificação de aspectos de candidatos eleitorais em comentários de notícias

• Leonardo Augusto Sapiras Universidade Federal do Rio Grande do Sul
• Karin Becker Universidade Federal do Rio Grande do Sul

Resumo

É interessante identificar como os candidatos eleitorais são percebidos e avaliados pela população em relação a questões relacionadas com o seu cotidiano, tais como saúde, educação e segurança. A população tem crescentemente expresso sua posição na internet, através de fóruns, comentários, ou redes sociais. Obter e classificar esse conteúdo de opinião não é uma atividade simples, mas pode ser realizada através de técnicas de Mineração de Opinião. Este artigo apresenta os resultados parciais de uma pesquisa sobre mineração de opiniões em nível de aspecto, usando como fonte de dados comentários expressos sobre notícias. ãocontrário de revisões de produtos, este tipo de fonte de dados não permite pressupor nem a existência de opiniões, nem seus alvos. O artigo descreve um estudo de caso envolvendo as eleições municipais de são Paulo de 2012, o qual focou na extração dos aspectos alvo de opiniões emitidas em comentários de leitores um jornal on-line. Nossos melhores resultados foram obtidos nos experimentos com técnicas de co-ocorrência (EMIM e phisquared).

Palavras-chave: Eleições, Análise de Redes Sociais, Comentários de Notícias

Referências

Aggarwal, C. C. and Zhai, C. X. (2012). Mining Text Data. Springer US, Boston, MA.

Castellanos,M., Dayal, U., Hsu,M., Ghosh, R., Dekhil,M., Lu, Y., Zhang, L., and Schreiman, M. (2011). Lci: a social channel analysis platform for live customer intelligence. In Proceedings of the 2011 ACM SIGMOD International Conference on Management of data, SIGMOD ’11, pages 1049–1058, New York, NY, USA. ACM.

Church, K. W. and Gale, W. A. (1991). Concordances for llel text. In Proceedings of the Seventh Annual Conference of the UW Centre for the New OED and Text Research, pages 40–62.

Church, K. W. and Hanks, P. (1990). Word association norms, mutual information, and lexicography. Comput. Linguist., 16(1):22–29.

Deerwester, S., Dumais, S. T., Furnas, G. W., Landauer, T. K., and Harshman, R. (1990). Indexing by latent semantic analysis. Journal of the American Society for Information Science, 41(6):391–407.

Guo, H., Zhu, H., Guo, Z., Zhang, X., and Su, Z. (2009). Product feature categorization with multilevel latent semantic association. In Proceedings of the 18th ACM Conference on Information and Knowledge Management, CIKM ’09, pages 1087–1096, New York, NY, USA. ACM.

Hu, M. and Liu, B. (2004). Mining and summarizing customer reviews. In Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining, KDD ’04, pages 168–177, New York, NY, USA. ACM.

Kim, S.-M. and Hovy, E. (2006). Extracting opinions, opinion holders, and topics expressed in online news media text. In Proceedings of the Workshop on Sentiment and Subjectivity in Text, SST ’06, pages 1–8, Stroudsburg, PA, USA. Association for Computational Linguistics.

Lin, C. and He, Y. (2009). Joint sentiment/topic model for sentiment analysis. In Proceedings of the 18th ACM Conference on Information and Knowledge Management, CIKM ’09, pages 375–384, New York, NY, USA. ACM.

Liu, B. (2012). Sentiment Analysis and Opinion Mining. Synthesis Lectures on Human Language Technologies. Morgan & Claypool Publishers.

Liu, Q., Gao, Z., Liu, B., and Zhang, Y. (2013). A logic programming approach to aspect extraction in opinion mining. In Proceedings of the 2013 IEEE/WIC/ACM International Conferences on Web Intelligence, pages 276–283.

Qiu, G., Liu, B., Bu, J., and Chen, C. (2011). Opinion word expansion and target extraction through double propagation. Computational Linguistics, 37(1):9–27.

Tsytsarau, M. and Palpanas, T. (2012). Survey on mining subjective data on the web. Data Min. Knowl. Discov., 24(3):478–514.

Tumasjan, A., Sprenger, T. O., Sandner, P. G., and Welpe, I. M. (2010). Predicting elections with twitter: What 140 characters reveal about political sentiment. In ICWSM’10.

Tumitan, D. and Becker, K. (2013). Tracking Sentiment Evolution on User-Generated Content: A Case Study on the Brazilian Political Scene. In Anais do XXVIII Simpósion Brasileiro de Banco de Dados, pages 135–144.

Tumitan, D. and Becker, K. (2014). Sentiment-based features for predicting election polls: a case study on the brazilian scenario. In Proceedings of the 2014 IEEE/WIC/ACM International Conferences on Web Intelligence, page 8p. IEEE Computer Society.