Uma Ferramenta para Análise de Sentimentos em Redes Sociais Utilizando o SenticNet

• Yuri Malheiros UFPB
• George Lima UFPE

DOI: https://doi.org/10.5753/sbsi.2013.5717

Resumo

As redes sociais se tornaram um meio global de comunicação com um número muito grande de usuários, o Facebook, por exemplo, já possui mais de 1 bilhão de usuários ativos por mês, no qual são compartilhadas diversos tipos de informações, entre elas opiniões sobre os mais variados assuntos. Tal riqueza de informações acessíveis publicamente tem atraído a atenção de empresas e instituições que desejam conhecer melhor o que as pessoas na Internet estão pensando sobre elas. Neste trabalho, é apresentada uma ferramenta de análise de sentimentos em mensagens compartilhadas em redes sociais usando o SenticNet como base de conhecimento. Os primeiros testes realizados para avaliação da ferramenta já começam a mostrar que a abordagem consegue classificar mensagens adequadamente e suporta a grande quantidade e velocidade com que elas são enviadas para as redes sociais.

Referências

Augustine, E., Cushing, C., Dekhtyar, A., McEntee, K., Paterson, K., and Tognetti, M. (2012). Outage detection via real-time social stream analysis: leveraging the power of online complaints. In Proceedings of the 21st international conference companion on World Wide Web, WWW ’12 Companion, pages 13–22, New York, NY, USA. ACM.

Cambria, E. and Hussain, A. (2012). Sentic Computing: Techniques, Tools, and Applications. Springer Netherlands.

Cambria, E., Speer, R., Havasi, C., and Hussain, A. (2010). Senticnet: A publicly available semantic resource for opinion mining.

Davidov, D., Tsur, O., and Rappoport, A. (2010). Enhanced sentiment learning using twitter hashtags and smileys. In Proceedings of the 23rd International Conference on Computational Linguistics: Posters, COLING ’10, pages 241–249, Stroudsburg, PA, USA. Association for Computational Linguistics.

Facebook (2012). Facebook reports third quarter 2012 results.

Grassi, M., Cambria, E., Hussain, A., and Piazza, F. (2011). Sentic web: A new paradigm for managing social media affective information. Cognitive Computation, 3(3):480– 489.

Harvey, M. (2010). Facebook ousts google in us popularity.

Hassan, A., Qazvinian, V., and Radev, D. (2010). What’s with the attitude?: identifying sentences with attitude in online discussions. In Proceedings of the 2010 Conference on Empirical Methods in Natural Language Processing, EMNLP ’10, pages 1245–1255, Stroudsburg, PA, USA. Association for Computational Linguistics.

Lassila, O., Swick, R. R., Wide, W., and Consortium, W. (1998). Resource description framework (rdf) model and syntax specication.