Análise de sentimento por meio de aprendizado profundo aplicado a avaliações de hotéis

• Ano de defesa: 2018
• Autor(a) principal: Souza, Joana Gabriela Ribeiro de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Palavras-chave em Português: Redes neurais (Computação); Hotéis - Avaliação; Emoções - Análise; Análise linguística; Aprendizado do computador; Ciência da Computação
• Link de acesso: http://www.locus.ufv.br/handle/123456789/23998

Análise de Sentimentos é uma área ativa de pesquisa e tem apresentado resultados promissores. Existem na literatura diversas abordagens capazes de realizar diferentes tipos de classificação com boa precisão. Tivemos como objetivo principal deste trabalho o desenvolvimento de modelo que utilize redes neurais artificiais, mais especificamente modelos baseados nas arquiteturas relacionadas com o aprendizado profundo, para a tarefa de classificação de polaridade de avaliações de hotéis escritas em Língua Portuguesa. Dois modelos de redes neurais convolucionais foram desenvolvidos para realizar a tarefa de classificação de polaridades. O primeiro consistiu em uma rede convolucional que possuía 15 camadas alcançando precisão acima de 95% para as classificações das classes positiva e negativa isoladamente e mantendo o balanceamento entre as classes, e acima de 90%, 67% e 80% para as classes positiva, neutra e negativa, respectivamente. O segundo foi baseado no primeiro, porém com adequações de hiper-parâmetros, redução e realocação de camadas, utilização de um vetor representação de palavras maior (200 dimensões) e de um corpus cerca de 10 vezes maior em quantidade de reviews e com número de tokens por review também superior, com arquitetura com 10 camadas. Essas modificações na estrutura permitiram obter resultados ainda melhores do que os observados no primeiro modelo, na maioria dos casos. Diferente do primeiro modelo, neste segundo foi possível classificar as avaliações conforme as 5 classes do TripAdvisor e a partir de amostra recolhida do corpus classificada por voluntários, fizemos um comparativo entre os resultados alcançados utilizando nosso modelo e a classificação gerada pelas pessoas, apontando que apenas em um caso as pessoas obtiveram maior precisão do que o modelo desenvolvido.