Análise de Sentimento de Insegurança Através do Twitter

  • André Nascimento Universidade Católica do Salvador (UCsal)
  • Marcelo Reis Universidade Católica do Salvador (UCsal)

Resumo


A sensação de insegurança tem influência direta na qualidade de vida do cidadão. Este trabalho utilizou algoritmos de aprendizado de máquina para identificar a sensação de insegurança do cidadão brasileiro, expressa postagens na rede social Twitter. Para isso foi gerada uma base de dados balanceada com 400 tweets, os quais foram classificados previamente entre sentimento de insegurança ou outros. Foram criados modelos de predição para classificar os tweets postados na rede com os algoritmos FlorestaAleatória, SVM e Regressão Logística. Os algoritmos alcançaram índices de até 0,34 para o coeficiente de correlação de Matthews e 0,69 para a medida F1, sendo desenvolvida uma aplicação web para classificação on-line dos novos tweets publicados utilizando uma estratégia de melhor de três,demonstrando a viabilidade de se utilizar tal abordagem para acompanhar a sensação de insegurança entre os usuários dessa rede.

Referências

Anjos, N. N. Funcionalidade do sistema de segurança pública no brasil e a violência
social. Departamento de Estudos da Escola Superior de Guerra. Rio de Janeiro, 2011.
Disponível em: . Acesso
em: 11 out. 2017.

Aquino, P., & Batista, V. (2017). Sistema de minería de opiniones para el análisis de
sentimiento en Twitter. Avances en Informática y Automática. Décimo Workshop,
pp.38-54. ISBN 978-84-617-9707-3. Retrieved from http://hdl.handle.net/10366/133039

Bicalho, J. C. R. e Gastalho, P. P. Insegurança e produção de subjetividade no Brasil
contemporâneo. Universidade Federal do Rio de Janeiro. Revista de Psicologia, v. 21
– n. 2, p. 425-444. Instituto de Psicologia, 2009. Disponível em: . Acesso em: 30 set. 2017.

Bishop, C. M. Pattern Recognition and Machine Learning. Springer. 2006

Bo Pang and Lillian Lee (2008), Opinion Mining and Sentiment Analysis, Foundations
and Trends® in Information Retrieval: Vol. 2: No. 1–2, pp 1-135. http://dx.doi.org/10.1561/1500000011

Caragea, C. et al Mapping Moods: Geo-Mapped Sentiment Analysis During Hurricane
Sandy. In: 11th International Conference on Information Systems for Crisis Response and Management. 2014. Conference Proceedings.

Frattari, N. F. Insegurança: as práticas e discursos do medo na cidade de Goiânia. Universidade Federal De Goiás. Goiânia, 2009. Disponível em: . Acesso em: 29
set. 2017.

Joachims, T. Text Categorization with Support Vector Machines: Learning with Many
Relevant Features. Proceedings of ECML, Springer, 1998. Disponível em:
>. Acesso em:
29 set. 2017.

Madeira, R. O. C. Aplicação de técnicas de mineração de texto na detecção de
discrepâncias em documentos fiscais do Rio de Janeiro. Escola de Matemática
Aplicada da Fundação Getúlio Vargas. Rio de Janeiro, 2015. Disponível em:
rta%c3%87%c3%83o%20vfinal1.pdf>. Acesso em: 04 out. 2017.

Maia, P. et al.Application of text mining techniques for classification of documents: a
study of automation of complaints screening in a Brazilian Federal Agency. Universidade de Brasília. Departamento de Ciência da Computação, 2013.Disponível
em: http://bdm.unb.br/bitstream/10483/7711/1/2013_fernandoleandrodossantos.pdf>.
Acesso em: 25 out. 2017.

Matthews, B. W.. Comparison of the predicted and observed secondary structure of T4
phage lysozyme. Biochimica et Biophysica Acta (BBA) - Protein Structure. 1975.

Mitchell, T. Machine Learning. McGraw Hill. 1997

Porotsky, S. Bluvband, Z. Advanced Text Mining Algorithms for Aerospace Anomaly
Identification.Proceedings of ESREL Conference. 2011. DOI: 10.1201/b11433-54.
Acesso em: 08 out. 2017.

Powers, D. Evaluation: From Precision, Recall and F-Factor to ROC, Informedness,
Markedness & Correlation. Technical Report SIE-07-001. 2007. Disponível em:


Santos, F.. Mineração de opinião em textos opinativos utilizando algoritmos de
classificação. Universidade de Brasília. Departamento de Ciência da Computação,
2013. Disponível em:
.
Acesso em: 08 out. 2017.

Sena, J. A., Lopes, K. T. e Pereira, A. O transtorno de estresse pós-traumático e a
violência urbana. Psicologia ciências iológicas e da saúde. Maceió, 2013. Disponível
em: . Acesso
em: 25 set. 2017.

Silva, H. C. Políticas públicas para o idoso: marcos referenciais no trato da violência no
município de Florianópolis. Universidade Federal de Santa Catarina, 2007.
Disponível em: .Acesso em: 10 out. 2017.

Terpstra, T. et al. Towards a realtime Twitter analysis during crises for operational crisis
management. In: 9 th International Conference on Information Systems for Crisis Response and Management. 2012. Conference Proceedings.

Zielinski, A. et al. Social Media Text Mining and Network Analysis for Decision
Support in Natural Crisis Management. In: 10th International Conference on Information Systems for Crisis Response and Management. 2012. Conference Proceedings.
Publicado
22/08/2018
NASCIMENTO, André; REIS, Marcelo. Análise de Sentimento de Insegurança Através do Twitter. In: ESCOLA REGIONAL DE COMPUTAÇÃO BAHIA, ALAGOAS E SERGIPE (ERBASE), 18. , 2018, Aracaju. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2018 . p. 199-208.