Mineração de Emoções Multirrótulo Em Textos Curtos
Resumo
Este artigo apresenta os resultados parciais da investigação de uma abordagem para o reconhecimento de múltiplas emoções expressas em textos curtos em português brasileiro. Para isso, propõe-se a construção de um corpus com tweets coletados por Web Scraper e rotulados com base na teoria da roda de emoções de Plutchik. Além disso, são apresentadas as etapas realizadas no pré-processamento do corpus, no desenvolvimento e na análise comparativa entre os modelos SVM e BERT na detecção de emoções em textos gerados por um LLM. As avaliações demonstraram que o modelo SVM obteve quase 20% a mais de precisão do que o BERT.
Palavras-chave:
Classificação multirrótulo, Detecção de emoção, Mineração de Texto, Processamento de Linguagem Natural, Aprendizado de Máquina, Mineração de Emoções, Classificação de Emoções, Reconhecimento de Emoções em Texto, Inteligência Emocional em IA, Emoções Multiclasses, Deep Learning
Referências
Cardozo, L. and Freitas, L. (2021). Análise de sentimentos: Avaliando o desempenho de pré-processamento e de algoritmos de aprendizagem de máquina sobre o dataset tweetsentbr. In Anais do X Brazilian Workshop on Social Network Analysis and Mining, pages 169–174, Porto Alegre, RS, Brasil. SBC.
de Oliveira, M. and de Melo, T. (2021). An empirical study of text features for identifying subjective sentences in portuguese. In Britto, A. and Valdivia Delgado, K., editors, Intelligent Systems, pages 374–388, Cham. Springer International Publishing.
Devlin, J., Chang, M., Lee, K., and Toutanova, K. (2018). BERT: pre-training of deep bidirectional transformers for language understanding. CoRR, abs/1810.04805.
Hammes, L. and Freitas, L. (2021). Utilizando bertimbau para a classificação de emoções em português. In Anais do XIII Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 56–63, Porto Alegre, RS, Brasil. SBC.
LANDIM, G. P. P. and TRESSO, G. J. (2023). Identificação de sentimentos em textos utilizando o modelo term frequency-inverse document frequency.
Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis Lectures on Human Language Technologies, 5:1–167.
Mantello, P., Ho, M.-T., Nguyen, M.-H., and Vuong, Q.-H. (2023). Machines that feel: behavioral determinants of attitude towards affect recognition technology—upgrading technology acceptance theory with the mindsponge model. Humanities and Social Sciences Communications, 10(1):1–16.
Moreira, B. G., Pfitscher, R. J., Camargo, L. C., and Garcia, T. R. (2024). Análise de sentimentos e emoções com o uso da ferramenta orange datamining: uma avaliação a partir da tradução dos textos do português. Anais do Computer on the Beach, 15:352–354
Paes, V., Araújo, D., Brito, K., and Andrade, E. (2022). Análise de sentimento em tweets relacionados ao desmatamento da floresta amazônica. In Anais do XI Brazilian Workshop on Social Network Analysis and Mining, pages 61–72, Porto Alegre, RS, Brasil. SBC.
Pereira, D. A. (2021). A survey of sentiment analysis in the portuguese language. Artif. Intell. Rev., 54(2):1087–1115.
Pires, S. F. S. (2023). Inteligência artificial e emoções: Quão próximas estão as decisões cibernéticas das humanas? A sociedade do conhecimento e suas tecnologias: estudos em Ciências Exatas e Engenharias: Volume 10.
Santos, A., Becker, K., and Moreira, V. (2014). Um estudo de caso de mineração de emoções em textos multilíngues. In Anais do III Brazilian Workshop on Social Network Analysis and Mining, pages 140–151, Porto Alegre, RS, Brasil. SBC.
Seno, E., Anno, F., Lazarini, L., and Caseli, H. (2023). Classificação de polaridade orientada aos alvos de opinião em comentários sobre debate político em português. In Anais do XIV Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 84–93, Porto Alegre, RS, Brasil. SBC.
Silva, S. and Faria, E. (2023). Análise de sentimentos expressos no twitter em relação aos candidatos da eleição presidencial de 2022. In Anais do XII Brazilian Workshop on Social Network Analysis and Mining, pages 79–90, Porto Alegre, RS, Brasil. SBC.
de Oliveira, M. and de Melo, T. (2021). An empirical study of text features for identifying subjective sentences in portuguese. In Britto, A. and Valdivia Delgado, K., editors, Intelligent Systems, pages 374–388, Cham. Springer International Publishing.
Devlin, J., Chang, M., Lee, K., and Toutanova, K. (2018). BERT: pre-training of deep bidirectional transformers for language understanding. CoRR, abs/1810.04805.
Hammes, L. and Freitas, L. (2021). Utilizando bertimbau para a classificação de emoções em português. In Anais do XIII Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 56–63, Porto Alegre, RS, Brasil. SBC.
LANDIM, G. P. P. and TRESSO, G. J. (2023). Identificação de sentimentos em textos utilizando o modelo term frequency-inverse document frequency.
Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis Lectures on Human Language Technologies, 5:1–167.
Mantello, P., Ho, M.-T., Nguyen, M.-H., and Vuong, Q.-H. (2023). Machines that feel: behavioral determinants of attitude towards affect recognition technology—upgrading technology acceptance theory with the mindsponge model. Humanities and Social Sciences Communications, 10(1):1–16.
Moreira, B. G., Pfitscher, R. J., Camargo, L. C., and Garcia, T. R. (2024). Análise de sentimentos e emoções com o uso da ferramenta orange datamining: uma avaliação a partir da tradução dos textos do português. Anais do Computer on the Beach, 15:352–354
Paes, V., Araújo, D., Brito, K., and Andrade, E. (2022). Análise de sentimento em tweets relacionados ao desmatamento da floresta amazônica. In Anais do XI Brazilian Workshop on Social Network Analysis and Mining, pages 61–72, Porto Alegre, RS, Brasil. SBC.
Pereira, D. A. (2021). A survey of sentiment analysis in the portuguese language. Artif. Intell. Rev., 54(2):1087–1115.
Pires, S. F. S. (2023). Inteligência artificial e emoções: Quão próximas estão as decisões cibernéticas das humanas? A sociedade do conhecimento e suas tecnologias: estudos em Ciências Exatas e Engenharias: Volume 10.
Santos, A., Becker, K., and Moreira, V. (2014). Um estudo de caso de mineração de emoções em textos multilíngues. In Anais do III Brazilian Workshop on Social Network Analysis and Mining, pages 140–151, Porto Alegre, RS, Brasil. SBC.
Seno, E., Anno, F., Lazarini, L., and Caseli, H. (2023). Classificação de polaridade orientada aos alvos de opinião em comentários sobre debate político em português. In Anais do XIV Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 84–93, Porto Alegre, RS, Brasil. SBC.
Silva, S. and Faria, E. (2023). Análise de sentimentos expressos no twitter em relação aos candidatos da eleição presidencial de 2022. In Anais do XII Brazilian Workshop on Social Network Analysis and Mining, pages 79–90, Porto Alegre, RS, Brasil. SBC.
Publicado
17/11/2024
Como Citar
MENDES, Ramon N.; TAVARES, Syanne K. M.; CAMPOS, Luiz Nicollas M.; ARAÚJO, Fabíola P. O..
Mineração de Emoções Multirrótulo Em Textos Curtos. In: SIMPÓSIO BRASILEIRO DE TECNOLOGIA DA INFORMAÇÃO E DA LINGUAGEM HUMANA (STIL), 15. , 2024, Belém/PA.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 445-450.
DOI: https://doi.org/10.5753/stil.2024.245174.
