???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tede.ufam.edu.br/handle/tede/7649
???metadata.dc.type???: Dissertação
Title: Um Modelo de Classificação de Polaridade em Cinco Níveis
???metadata.dc.creator???: Ferreira, Felipe Alves 
???metadata.dc.contributor.advisor1???: Oliveira, David Braga Fernandes de
???metadata.dc.contributor.advisor2???: Cristo, Marco Antonio Pinheiro
???metadata.dc.contributor.referee1???: Cavalcanti, João Marcos Bastos
???metadata.dc.contributor.referee2???: Carvalho, Moisés Gomes de
???metadata.dc.description.resumo???: Análise de sentimento é a área de estudo que observa as opiniões das pessoas, sentimentos, avaliações, atitudes e emoções em torno de entidades como produtos, serviços, organizações e eventos. No mundo real, empresas e organizações frequentemente estão interessadas em saber opiniões públicas sobre seus produtos e serviços. Os consumidores também estão interessados em saber a opinião de quem adquiriu um produto antes de comprá-lo. Outras pessoas estão interessadas em saber a opinião dos outros sobre determinados candidatos de um pleito eleitoral antes de tomar uma decisão sobre quem irá votar. O objetivo deste trabalho é desenvolver um método de aprendizagem supervisionada capaz de classificar tweets em cinco níveis de polaridade (aprovação completa, opinião positiva pontual, opinião neutra, opinião negativa pontual e rejeição completa) usando para isso tweets do contexto político como estudo de caso. Para tal, investigamos se técnicas que fazem detecção de polaridade de três níveis são capazes de oferecer boas evidências para o treino e testes de classificadores no contexto dos cinco níveis de polaridade nos tweets. Partindo dessa ideia, propomos estratégias de aprendizagem com os classificadores Árvores de Decisão, Naive Bayes e SVM usando como features o modelo de bag-of-words, as evidências a partir de resultados de métodos que classificam polaridade em três níveis e um modelo de extração de meta-informação. Os resultados mostraram que existe um ganho nas acurácias dos classificadores ao combinar os diferentes modelos de features.
Abstract: Sentiment analysis is the area of study that observes people’s opinions, feelings, assessments, attitudes and emotions around entities such as products, services, organizations and events. In the real world, companies and organizations are often interested in knowing public opinions about their products and services. Consumers are also interested in knowing the opinion of those who bought a product before buying it. Other people are interested in knowing the opinions of others about certain candidates in an election process before making a decision about who will vote. The objective of this work is to develop a supervised learning method capable of classifying tweets in five levels of polarity (complete approval, punctual positive opinion, neutral opinion, punctual negative opinion and complete rejection) using tweets of the political context as a case study. In order to do this, we investigated whether three-level polarity detection techniques are capable of providing good evidence for training and classifier testing in the context of the five polarity levels in tweets. Based on this idea, we propose learning strategies with the Decision Trees, Naive Bayes and SVM classifiers using as features models: bag-of-words, evidence from results of methods that classify polarity in three levels and a meta-level extraction method. The results showed that there is a gain in the accuracy of the classifiers when combining the different models of features.
Keywords: Naive Bayes
Mineração de dados (Computação)
Polaridade
Tweet
Árvores de Decisão
???metadata.dc.subject.cnpq???: CIÊNCIAS EXATAS E DA TERRA
???metadata.dc.subject.user???: Análise de Sentimento
Classificação
Polaridade
Opinião
Naive Bayes
SVM
Árvores de Decisão
Language: por
???metadata.dc.publisher.country???: Brasil
Publisher: Universidade Federal do Amazonas
???metadata.dc.publisher.initials???: UFAM
???metadata.dc.publisher.department???: Instituto de Computação
???metadata.dc.publisher.program???: Programa de Pós-graduação em Informática
Citation: FERREIRA, Felipe Alves. Um Modelo de Classificação de Polaridade em Cinco Níveis. 2017. 68 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2017.
???metadata.dc.rights???: Acesso Aberto
URI: https://tede.ufam.edu.br/handle/tede/7649
Issue Date: 22-Feb-2017
Appears in Collections:Mestrado em Informática

Files in This Item:
File Description SizeFormat 
Dissertação _FelipeFerreira_PPGI.pdfDissertação _FelipeFerreira_PPGI1.55 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.