Implementação de Rede Neural Artificial em Plataforma GPU Aplicada na Análise de Sentimentos em Textos
Resumo
Este artigo apresenta uma proposta de paralelização de uma Rede Neural Artificial em Plataforma GPU para aplicação na análise da polaridade de sentimentos expressado em textos e/ou postagens. Na implementação será utilizado Redes Neurais Recorrentes do tipo Long Short-Term Memory uma vez que Redes Neurais Artificiais podem auxiliar na extração automática de sentimentos ou sensação de sentenças. Com a aplicação da proposta em caso reais a partir do treinamento com o IMDb Review Dataset, que possui 50.000 registros espera-se uma boa precisão nos resultados.
Palavras-chave:
Arquiteturas Dedicadas e Específicas (GPUs, FPGAs, e outras)
Referências
Brum, H. B. (2015). Análise de sentimentos para o português usando redes neurais recursivas. Monografia (Bacharel em Ciência da Computação), Universidade Federal do Pampa, Alegrete, Brazil.
dos Santos, I. P. P. (2017). Análise de sentimento usando redes neurais de convolução. Dissertação (Mestrado em Engenharia Eletrônica), Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brazil.
Hemalatha, I., Varma, G. S., and Govardhan, A. (2013). Sentiment analysis tool using machine learning algorithms. International Journal of Emerging Trends & Technology in Computer Science (IJETTCS), 2(2):105–109.
Hochreiter, S. and Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8):1735–1780.
Kalaivani, P. and Shunmuganathan, K. (2013). Sentiment classification of movie reviews by supervised machine learning approaches. Indian Journal of Computer Science and Engineering, 4(4):285–292.
Liu, B. et al. (2010). Sentiment analysis and subjectivity. Handbook of natural language processing, 2(2010):627–666.
Maas, A. L., Daly, R. E., Pham, P. T., Huang, D., Ng, A. Y., and Potts, C. (2011). Learning word vectors for sentiment analysis. In Proceedings of the 49th annual meeting of the association for computational linguistics: Human language technologies-volume 1, pages 142–150. Association for Computational Linguistics.
Olah, C. (2015). Understanding lstm networks. URL http://colah. github. io/posts/2015-08- Understanding-LSTMs.
Pang, B., Lee, L., and Vaithyanathan, S. (2002). Thumbs up?: sentiment classification using machine learning techniques. In Proceedings of the ACL-02 conference on Empirical methods in natural language processing-Volume 10, pages 79–86. Association for Computational Linguistics.
Santos, L. M., Esmin, A. A. A., Zambalde, A. L., and Nobre, F. M. (2010). Twitter, análise de sentimento e desenvolvimento de produtos: Quanto os usuários est˜ao expressando suas opini˜oes? Prisma. com, (13):159–170.
Sharma, R., Nigam, S., and Jain, R. (2014). Opinion mining of movie reviews at document level. arXiv preprint arXiv:1408.3829.
Tripathi, G. and Naganna, S. (2015). Feature selection and classification approach for sentiment analysis. Machine Learning and Applications: An International Journal, 2(2):1–16.
dos Santos, I. P. P. (2017). Análise de sentimento usando redes neurais de convolução. Dissertação (Mestrado em Engenharia Eletrônica), Universidade do Estado do Rio de Janeiro, Rio de Janeiro, Brazil.
Hemalatha, I., Varma, G. S., and Govardhan, A. (2013). Sentiment analysis tool using machine learning algorithms. International Journal of Emerging Trends & Technology in Computer Science (IJETTCS), 2(2):105–109.
Hochreiter, S. and Schmidhuber, J. (1997). Long short-term memory. Neural computation, 9(8):1735–1780.
Kalaivani, P. and Shunmuganathan, K. (2013). Sentiment classification of movie reviews by supervised machine learning approaches. Indian Journal of Computer Science and Engineering, 4(4):285–292.
Liu, B. et al. (2010). Sentiment analysis and subjectivity. Handbook of natural language processing, 2(2010):627–666.
Maas, A. L., Daly, R. E., Pham, P. T., Huang, D., Ng, A. Y., and Potts, C. (2011). Learning word vectors for sentiment analysis. In Proceedings of the 49th annual meeting of the association for computational linguistics: Human language technologies-volume 1, pages 142–150. Association for Computational Linguistics.
Olah, C. (2015). Understanding lstm networks. URL http://colah. github. io/posts/2015-08- Understanding-LSTMs.
Pang, B., Lee, L., and Vaithyanathan, S. (2002). Thumbs up?: sentiment classification using machine learning techniques. In Proceedings of the ACL-02 conference on Empirical methods in natural language processing-Volume 10, pages 79–86. Association for Computational Linguistics.
Santos, L. M., Esmin, A. A. A., Zambalde, A. L., and Nobre, F. M. (2010). Twitter, análise de sentimento e desenvolvimento de produtos: Quanto os usuários est˜ao expressando suas opini˜oes? Prisma. com, (13):159–170.
Sharma, R., Nigam, S., and Jain, R. (2014). Opinion mining of movie reviews at document level. arXiv preprint arXiv:1408.3829.
Tripathi, G. and Naganna, S. (2015). Feature selection and classification approach for sentiment analysis. Machine Learning and Applications: An International Journal, 2(2):1–16.
Publicado
15/04/2020
Como Citar
KÜNAS, Cristiano Alex; HECK, Leandro Perius; PADOIN, Edson Luiz.
Implementação de Rede Neural Artificial em Plataforma GPU Aplicada na Análise de Sentimentos em Textos. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS), 20. , 2020, Santa Maria.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 41-44.
ISSN 2595-4164.
DOI: https://doi.org/10.5753/eradrs.2020.10751.
