Análise de sentimentos e afetividade de textos extraídos das redes sociais.

• Ano de defesa: 2015
• Autor(a) principal: Rosa, Renata Lopes
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de dados; Communication; Comunicação; Data analysis; Internet; Redes sociais; Social networks
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3141/tde-19072016-115713/

Atualmente, os usuários expressam seus desejos e preferências em relação a um objeto, conteúdo ou evento por meio das redes sociais; portanto, analisar os sentimentos de uma pessoa no mundo digital sobre o que a rodeia tem sido cada vez mais frequente com o intuito de conhecer as preferências desta pessoa. O estudo propõe um novo mecanismo e cálculo de sentimentos e afetividade, aperfeiçoando a análise de sentimentos. Um mecanismo de cálculo de sentimentos associado a um fator de correção correspondente a n-gramas, tempos verbais, expressões e às características pessoas, tais como idade, gênero e escolaridade é desenvolvido neste trabalho. Os sentimentos negativos, neutros e positivos são extraídos de frases das redes sociais. As frases são classificadas em intensidade de sentimentos e em polaridade positiva, negativa ou neutra, por meio de um novo dicionário de palavras em português e de um novo cálculo de sentimentos. O cálculo de sentimentos possui regras específicas para tempos verbais (presente e passado) e advérbios. Os sentimentos das palavras são extraídos por meio de adjetivos, substantivos, palavras únicas (unigramas) e palavras que associadas (bigramas e trigramas) possuem um significado diferente de palavras únicas. Para validação do desempenho do dicionário e do novo mecanismo de cálculo de sentimentos, os resultados sao comparados com uma ferramenta de análise de sentimentos j´a existente, a SentiStrength e são validados por meio de testes subjetivos, com avaliadores remotos, com uma técnica denominada de crowdsourcing e por aprendizagem de máquina. O estudo também analisa a afetividade das frases e propõe uma métrica denominada de Brazillian Affective Metric (AFMBr), extraindo emoções de raiva, alegria, tristeza, surpresa e nojo. A solução de análise de sentimentos e afetividade é aplicada em um sistema de recomendação de músicas, como estudo de caso, o qual sugere conteúdos conforme o estado sentimental da pessoa.