SlideShare uma empresa Scribd logo
1 de 107
Baixar para ler offline
Mineração de opiniões
e análise de
sentimentos
Pesquisa, desafios e aplicações
Quem vos fala?
O Blogueiro nas (raríssimas) horas vagas;
O Acesse: blogdomaome.blogspot.com =D
O Jogador de poker às quintas-feiras;
O Fanático por boa música, bons livros e
(muita) tecnologia!
Quem vos fala?
O Sofredor Gosto de programação e
engenharia de software;
O Trabalho como desenvolvedor de
software na Total Informática;
Quem vos fala?
O Engenheiro de Computação pela UEFS
(2005.1);
O SIECOMP 1 e 3 como palestrante
(Ergonomia) e 2 como ouvinte;
Quem vos fala?
O Aluno regular do Mestrado em Ciências da
Computação pela UFBA/UEFS;
O Orientador: Prof. Dr. Angelo Loula
O Co – orientador: Prof. Dr. Matheus Pires
O Minha área de pesquisa: Mineração de opiniões e
análise de sentimentos e “outras cositas más”
Como eu vim parar aqui?
614
Agenda
O Introdução
O Por que saber a opinião de outras
pessoas?
O Histórico
O Terminologias
O O problema de analisar sentimentos
O Definições;
O Tipos de opiniões;
O Subjetividade e emoções;
Agenda
O Intervalo para um pequeno lanche
Agenda
O O que está envolvido em mineração de
opiniões e análise de sentimentos?
O Document Sentiment Classification
O Sentence Subjectivity and Sentiment
Classification
O Aplicações;
O Sessão final de perguntas;
Primeiro, as primeiras coisas:
Agenda
O Introdução
O Por que saber a opinião de outras
pessoas?
O Histórico
O Terminologias
O O problema de analisar sentimentos
O Definições;
O Tipos de opiniões;
O Subjetividade e emoções;
Por que saber a opinião de outras
pessoas?
O Em qual candidato votar
O Qual carro comprar
O Qual filme assistir
O Qual livro comprar
O Sobre a futura empresa a se candidatar a
uma vaga
O Tudo isso, muito antes da Web
Por que saber a opinião de outras
pessoas?
O Com a Web, temos
O Mais informações a serem consultadas;
O Opiniões especializadas e não
especializadas;
Por que saber a opinião de outras
pessoas?
O Segundo uma pesquisa feita pelo grupo
Kelsey [6] e por Horrigan [7]:
O 81% dos usuários de internet já fizeram
alguma pesquisa online sobre algum produto;
O Entre 73% e 87% dos usuários dizem que
uma crítica/análise/revisão influenciaram na
compra de um produto;
O 20% a 99% dos consumidores estão dispostos
a pagar mais por um produto 5 estrelas em vez
de um 4 estrelas.
Por que saber a opinião de outras
pessoas?
O Informações políticas;
O Segundo Horrigan [8], 31% dos
americanos eram usuários de internet nas
eleições de 2006;
O O mesmo Horrigan [7], relata que a
maioria dos usuários tiveram positivas
experiências na pesquisa em produtos e
nas eleições.
Agenda
O Introdução
O Por que saber a opinião de outras
pessoas?
O Histórico
O Terminologias
O O problema de analisar sentimentos
O Definições;
O Tipos de opiniões;
O Subjetividade e emoções;
Um breve histórico
O 2001 foi o marco para as pesquisas;
O Os principais fatores para o aumento das
pesquisas foram:
O Advento de métodos de aprendizado de
máquinas;
O Disponibilidade de datasets para o
treino/aprendizado dos algoritmos;
O Oportunidades de mercado que a área
oferece;
Um breve histórico
Agenda
O Introdução
O Por que saber a opinião de outras
pessoas?
O Histórico
O Terminologias
O O problema de analisar sentimentos
O Definições;
O Tipos de opiniões;
O Subjetividade e emoções;
Terminologia
O Como é um campo novo de estudo, não
há uma terminologia definida
O São diferentes os termos utilizados:
O Opinion Mining
O Sentiment/Subjectivity Analysis
O Review Mining
O Appraisal extraction
O Affective Computing
OK, mas…
… O QUE É MINERAÇÃO DE OPINIÃO?
O que é mineração de opinião?
O É o campo de estudo que analisa as
opiniões, sentimentos, avaliações, atitudes e
emoções de pessoas direcionadas a
produtos, serviços, organizações, indivíduos, pr
oblemas, eventos, tópicos e seus atributos. [3]
O que é mineração de opinião?
O É o campo de estudo que analisa as opiniões
de pessoas direcionadas a entidades.
O(s) problema(s) de
analisar sentimentos
• Desafios e definições básicas;
• Tipos de opiniões;
• Subjetividade e emoções;
O(s) problema(s) de
analisar sentimentos
• Desafios e definições básicas;
• Tipos de opiniões;
• Subjetividade e emoções;
Desafios básicos
O Opiniões e sentimentos são subjetivos;
O Diferentes fontes e variados formatos;
O 140 caracteres;
O Linguagem informal, gírias e emoticons;
Desafios básicos
Desafios básicos
O que é uma opinião?
O que é uma opinião?
O Primeira definição:
O Uma opinião é uma composição de: um alvo
“g” e um sentimento “s”, positivo, negativo ou
neutro
O O = (g , s)
O Quem é “g” ou o alvo?
O
"produtos, serviços, organizações, indivíduos, p
roblemas, eventos, tópicos e seus atributos"
Exemplo
Fragmento retirado de [3]
Exemplo
Fragmento retirado de [3]
• O alvo da opinião da sentença (2) é a Canon G12 e o
sentimento é positivo;
• O alvo da opinião sentença (3) é a qualidade da imagem da
Canon G12 e o sentimento é positivo;
Exemplo
Fragmento retirado de [1]
O que é uma opinião?
O Segunda definição:
O Uma opinião é uma composição de: um alvo
“g”, um sentimento “s”, um titular da opinião “h”
e o tempo “t” em que a opinião foi expressa;
O O = (g, s) -> O = (g, s, h, t)
O Pode piorar, mas paremos por aqui!
Exemplo
Fragmento retirado de [3]
• O = (g, s, h, t)
• (Canon G12, positivo, john_smith, sep-10-2011)
• (Canon G12_picture_quality, positivo, john_smith, sep-10-
2011)
• (Canon G12_batery_life, positivo, john_smith, sep-10-2011)
• (Canon G12_weigh, negativo, john_smith_wife, sep-10-
2011)
O(s) problema(s) de
analisar sentimentos
• Desafios e definições básicas;
• Tipos de opiniões;
• Subjetividade e emoções;
Tipos de opiniões
O Regular ou comparativas;
O Explícitas ou implícitas;
Tipos de opiniões
O Regular: uma opinião comum
O Direta: é uma opinião que expressa
diretamente um sentimento a um alvo
O “A qualidade da imagem é ótima”
O “A direção do filme é muito boa”
Tipos de opiniões
O Regular: uma opinião comum
O Indireta: é uma opinião que expressa
indiretamente um sentimento para um alvo
O “Após a injeção, minhas pernas começaram
a doer”
O “Assim que o serviço foi feito, o carro
começou a dar defeito”
O Boa parte da pesquisa realizada em
mineração de opinião foca em opiniões
DIRETAS!
Tipos de opiniões
Tipos de opiniões
O Opinião comparativa: expressa uma
relação de similaridade ou diferença entre
dois ou mais alvos;
Opinião comparativa
Opinião comparativa
Tipos de opinião
O Opinião explícita é uma opinião regular
direta ou comparativa:
Tipos de opinião
O Opinião implícita é uma opinião regular
indireta ou comparativa:
O Boa parte da pesquisa realizada em
mineração de opinião foca em opiniões
EXPLÍCITAS!
Tipos de opiniões
Subjetividade e emoções
O Subjetividade
O Uma sentença subjetiva expressa
sentimentos pessoais, enquanto que uma
sentença objetiva apresenta fatos;
O Por que saber se uma sentença é
subjetiva ou objetiva?
Subjetividade e emoções
O Emoções
O São sentimentos e pensamentos [3];
O Emoções primárias:
amor, alegria, surpresa, raiva, tristeza, me
do [2];
O Cada emoção tem uma intensidade
diferente;
O A força de um sentimento identificado está
diretamente relacionada a uma emoção;
O Como emoções podem ajudar?
Subjetividade e emoções:
aplicação
Predição dos índices da bolsa
Dow Jones com o sentimento
geral do Twitter!
Subjetividade e emoções
Figura retirada de [9]
Subjetividade e emoções
Figura retirada de [9]
Resumindo
O Vimos os desafios fundamentais da área;
O Vimos conceitos de opinião e diferentes
tipos;
O Vimos também os conceitos de
subjetividade e emoções e porque são
úteis;
O Mas é importante frisar:
O Todos os conceitos da área ainda não
estão bem definidos;
Classificação de sentimentos
em nível de documento
• Definições;
• Problemas de domínio;
• Problemas de idiomas;
Classificação de sentimentos
em nível de documento
• Definições;
• Problemas de domínio;
• Problemas de idiomas;
Classificação de sentimentos em nível
de documento é:
O Determinar o sentimento geral de um
documento como positivo ou negativo;
O Esse documento pode ser um texto, uma
postagem, um tweet, uma crítica de
produto, dentre outros.
O Formalizando (e relembrando):
O O = (g, s, h, t)
O O = (GERAL, s, __, __)
O Mas…
Hipótese
O O documento somente possui opiniões
direcionada para somente um alvo [3];
O É uma boa hipótese para:
O Críticas de produtos e serviços;
O Não é uma boa hitótese para:
O Forúns;
O Blogs;
Classificação de sentimentos
em nível de documento
O Não existe bala de prata!
O Incontáveis abordagens para classificar
sentimentos;
O Algumas técnicas recorrentes [3]:
O Parte do discurso (Part of speech – POS);
O Palavras e frase de sentimentos;
Parte do discusso
O Adjetivos são importantes indicadores de
opiniões;
O Advérbios são intensificadores de
adjetivos;
O “O iPhone tem um bom
acabamento, mas a inovação da empresa
está muito ruim. Mas ela não desistirá.”
Parte do discusso
O Adjetivos são importantes indicadores de
opiniões;
O Adverbios são intensificadores de
adjetivos;
O “O iPhone tem um bom
acabamento, mas a inovação da empresa
está muito ruim. Mas ela não desistirá.”
Adjetivos
Parte do discusso
O Adjetivos são importantes indicadores de
opiniões;
O Adverbios são intensificadores de
adjetivos;
O “O iPhone tem um bom
acabamento, mas a inovação da empresa
está muito ruim. Mas ela não desistirá.”Sentença objetiva
Adjetivos
Advérbio
Palavras e frase de
sentimentos
O Identificadas as sentenças com
opiniões, utiliza-se um dicionário de
sentimentos;
O “O iPhone tem um bom
acabamento, mas a inovação da empresa
está muito ruim. Mas ela não desistirá.”Sentença objetiva
Adjetivos
Advérbio
Classificação de sentimentos
em nível de documento
• Definições;
• Problemas de domínio;
• Problemas de idiomas;
Problemas de domínio
O Análise de sentimentos é sensível ao
domínio estudado;
O Exemplos de domínios:
O Livros;
O Filmes;
O Política;
O etc.
Problemas de domínio
“Go read the book”
Opinião positiva ou negativa?
Problemas de domínio
“Go read the book”
Opinião positiva ou negativa?
Classificação de sentimentos
em nível de documento
• Definições;
• Problemas de domínio;
• Problemas de idiomas;
Problemas de idiomas
O Análise de sentimentos é sensível ao idioma
de estudo;
O Analise a orientação semântica do seguinte
documento:
O “Volvo has the best cars ever made”
O Agora, analise isso:
O Volvo possède les meilleures voitures jamais
réalisés;
O 沃尔沃有史以来最好的车
Resumindo
O Vimos do que se trata a análise de
sentimentos em nível de documento
O Vimos os principais problemas
envolvidos e algumas técnicas para
solucioná-los;
Resumindo
O Contudo, extrair opiniões e analisar
sentimentos de um documento inteiro
possui falhas:
O O sentimento geral não é detalhado;
O Blogs e forúns não podem ser analisados
corretamente;
Classificação de sentimentos
em nível de sentenças
• Subjetividade de sentenças;
• Classificação de sentenças;
• Sentenças condicionais;
• Sarcasmo;
• Problemas de idiomas.
Classificação de sentimentos
em nível de sentenças
O Não há diferença fundamental entre este
nível e o anterior;
O Problema (a ser resolvido):
O Dada uma sentença, determinar se esta
expressa um sentimento
positivo, negativo, neutro ou não expressa
opinião [3];
O É importante saber se uma sentença é
subjetiva ou não;
Classificação de sentimentos
em nível de sentenças
• Subjetividade de sentenças;
• Classificação de sentenças;
• Sentenças condicionais;
• Sarcasmo;
• Problemas de idiomas.
Subjetividade de sentenças
O Classifica uma sentença em duas
classes: subjetiva ou objetiva [4];
O Sentença objetiva: expressa fatos;
O Sentença subjetiva: expressa opiniões;
O Mas nem sempre é assim!
Subjetividade de sentenças
O Wiebe [4] classifica sentenças buscando
a presença de
pronomes, adjetivos, números
cardinais, advérbios.
O “O iPhone tem um bom acabamento, mas
a inovação da empresa é está muito ruim.
Mas ela não desistirá.”
Lembrando: Não há bala de prata!
Sentença objetiva
Adjetivos
Advérbio
Classificação de sentimentos
em nível de sentenças
• Subjetividade de sentenças;
• Classificação de sentenças;
• Sentenças condicionais;
• Sarcasmo;
• Problemas de idiomas.
Classificação de sentenças
O Hipótese: Uma sentença expressa um
único sentimento para um único alvo;
Classificação de sentenças
O Hu e Liu [9] utilizaram um dicionário de
sentimentos (Wordnet) para classficar
sentenças;
O Soma a pontuação semântica dos
sentimentos
O +1 para um sentimento positivo
O -1 para um sentimento negativo
Classificação de sentenças
O Para o exemplo anterior, temos:
O “O iPhone tem um bom acabamento, mas
a inovação da empresa é está muito ruim.
Mas ela não desistirá.”
O +1 para “bom”;
O -1 para “ruim”
O Resultado: sentença neutra.
Classificação de sentenças
O Kim e Hovy [10, 11, 12] utilizaram uma
abordagem similar a de Hu e Liu [9]:
O Multiplica a pontuação semântica dos
sentimentos
O +1 para um sentimento positivo
O -1 para um sentimento negativo
Classificação de sentenças
O Para o exemplo anterior com a técnica de
[10,11,12], temos:
O “O iPhone tem um bom acabamento, mas
a inovação da empresa é está muito ruim.
Mas ela não desistirá.”
O +1 para “bom”;
O -1 para “ruim”
O Resultado: sentença negativa.
Classificação de sentimentos
em nível de sentenças
• Subjetividade de sentenças;
• Classificação de sentenças;
• Sentenças condicionais;
• Sarcasmo;
• Problemas de idiomas.
Sentenças condicionais
O Um problema difícil!
O Segundo Narayanan [5], não existe bala
de prata (ele quase disse nessas
palavras)!
O Uma sentença condicional descreve uma
implicação ou situação hipotética e suas
consequências: causa e efeito [3];
O Exceto por [5], não há muitos trabalhos
que tenham investigado esse problema.
Sentenças perguntas (bônus)
O Como identificar opiniões em perguntas?
O Exemplo:
O “Alguém pode me dizer como consertar
esse lento celular Nokia? “
O Até o presente momento da
pesquisa, não foram encontrados
trabalhos nesse campo!
Classificação de sentimentos
em nível de sentenças
• Subjetividade de sentenças;
• Classificação de sentenças;
• Sentenças condicionais;
• Sarcasmo;
• Problemas de idiomas.
Sarcasmo
O Você achou que sentenças condicionais
e sentenças-pergunta eram difíceis?
O Sarcasmo é mais fácil ainda! ;)
O Poucos trabalhos na área;
O Identificam sarcasmo, mas não
classificam sentimentos;
Classificação de sentimentos
em nível de sentenças
• Subjetividade de sentenças;
• Classificação de sentenças;
• Sentenças condicionais;
• Sarcasmo;
• Problemas de idiomas.
Problemas de idiomas
O Problema correlato ao de classificação
de sentimentos em nível de documento;
O “Volvo has the best cars ever made”
O 沃尔沃有史以来最好的车
Problemas de idiomas
O Estratégias [3]:
O Traduzir sentenças de teste do idioma
alvo para o idioma fonte e daí classifica-
las;
Problemas de idiomas
O Estratégias [3]:
O Traduzir sentenças de teste do idioma
fonte para o idioma alvo e daí classifica-
las;
Problemas de idiomas
O Estratégias [3]:
O Traduzir um dicionário de sentimentos do
idioma fonte para idioma alvo e construir
um classificador novo;
Resumindo
O Para classificar sentenças é preciso:
O Saber se são objetivas ou subjetivas;
O Assumir que uma sentença tenha um
único sentimento para um único alvo;
O Classificar o sentimento de uma sentença
como positivo, negativo, neutro ou sem
opinião;
O Sentenças condicionais são difíceis.
Sentenças-pergunta, mais ainda!
O E o sarcasmo então?
Mas e se me aparece isso?
O “Tente o Chrome, pois o Firefox vive
travando”
Ou isso?
O “Câmeras Leica tem boas lentes. Ótimo
obturador. Péssimos preços.”
Isso é assunto para outra
história. 
Aplicações
Aplicações
O Sites de análises/críticas e relacionados
(Review-Related Websites)
O Subcomponente (Sub-Component
Technology)
O Inteligência Empresarial e
Governamental (Business and
Government Intelligence)
Aplicações sobre sites de
análises/críticas
O Pró-ativamente reunir informações sobre
O Análises de produtos
O Opiniões sobre candidatos
O Problemas políticos
O Resumir (sumarize) análises de usuários
sobre os tópicos acima (e outros mais)
Positivo
Negativo
Neutro
Aplicações em inteligência
empresarial e governamental,
O “Por que os consumidores não estão
comprando nosso laptop?”
O Extração de opiniões de documentos não
estruturados (blogs, redes sociais)
O Predição de vendas [13]
O Monitoramento de comunicação hostil ou
negativa [14]
Aplicações sobre diferentes
domínios
O O que pensam os eleitores [15]
O eRulemaking [16]
O Blawgs [17]
Para brincar e conhecer 
Ferramentas, apps, bibliotecas sobre mineração de
opinião e análise de sentimentos
Java
O SentiStrength [18]
O SentiWordNet [19]
O Não é em Java, mas tem uma classe
pronta para aproximar sentimentos;
O LingPipe [20]
Python
O Natural Language Toolkit (NLTK) [21]
O Pattern [22]
Serviços Web
O Sentiment140 [23]
O TweetFeel [24]
O ChatterBox [25]
O Topsy [26]
O Opinion Crawl [27]
Android / iOS / Windows
Phone
O Stocks Sentiment [28];
O Triposo [29];
O Twelect [30];
O Apptrace [31];
Referências
O [1] B. Pang, “Opinion Mining and Sentiment Analysis,” Foundations and Trends® in Information
Retrieval, vol. 1, no. 2, pp. 91–231, 2008.
O [2] Parrott, W. Gerrod. Emotions insocial psychology: Essentialreadings2001: Psychology Pr.
O [3] Liu, Bing. Sentiment Analysis and Subjectivity, in Handbook of Natural Language
Processing, Second Edition, N. Indurkhya and F.J. Damerau, Editors. 2010
O [4] Wiebe, Janyce, Rebecca F. Bruce, and Thomas P. O'Hara. Development and use of a gold-
standard data set for subjectivity classifications. in Proceedings of the Association for
Computational Linguistics (ACL-1999). 1999
O [5] Narayanan, Ramanathan, Bing Liu, and Alok Choudhary. Sentiment analysis of conditional
sentences. in Proceedings of Conference on Empirical Methods in Natural Language Processing
(EMNLP-2009). 2009
O [6] comScore/the Kelsey group, “Online consumer-generated reviews have sig- nificant impact
on offline purchase behavior,” Press Release, http://www.
comscore.com/press/release.asp?press=1928, November 2007
O [7] J. A. Horrigan, “Online shopping,” Pew Internet & American Life Project Report, 2008.
O [8] L. Rainie and J. Horrigan, “Election 2006 online,” Pew Internet & American Life Project
Report, January 2007.
Referências
O [9] Hu, Minqing and Bing Liu. Mining and summarizing customer reviews. in
Proceedings of ACM SIGKDD International Conference on Knowledge Discovery and
Data Mining (KDD-2004). 2004.
O [10] Kim, Soo-Min and Eduard Hovy. Crystal: Analyzing predictive opinions on the
web. in Proceedings of the Joint Conference on Empirical Methods in Natural
Language Processing and Computational Natural Language Learning
(EMNLP/CoNLL-2007).
O [11] 2007.150. Kim, Soo-Min and Eduard Hovy. Determining the sentiment of
opinions. in Proceedings ofInterntional Conference on Computational Linguistics
(COLING-2004).
O [12] 2004.151. Kim, Soo-Min and Eduard Hovy. Extracting opinions, opinion
holders, and topics expressed in online news media text. in Proceedings of the
Conference on Empirical Methods in Natural Language Processing (EMNLP-2006).
2006.
O [13] G. Mishne and N. Glance, “Predicting movie sales from blogger sentiment,” in
AAAI Symposium on Computational Approaches to Analysing Weblogs (AAAI-
CAAW), pp. 155–158, 2006.
O [14] A. Abbasi, “Affect intensity analysis of dark web forums,” in Proceedings of
Intelligence and Security Informatics (ISI), pp. 282–288, 2007.
O [15] M. Efron, “Cultural orientation: Classifying subjective documents by cocia- tion
[sic] analysis,” in Proceedings of the AAAI Fall Symposium on Style and Meaning in
Language, Art, Music, and Design, pp. 41–48, 2004.
Referências
O [16] C. Cardie, C. Farina, T. Bruce, and E. Wagner, “Using natural language processing to
improve eRulemaking,” in Proceedings of Digital Government Research
O [17] J. G. Conrad and F. Schilder, “Opinion mining in legal blogs,” in Proceedings of the
International Conference on Artificial Intelligence and Law (ICAIL), pp. 231–236, New
York, NY, USA: ACM, 2007.
O [18] http://sentistrength.wlv.ac.uk/
O [19] http://sentiwordnet.isti.cnr.it/
O [20] http://alias-i.com/lingpipe/demos/tutorial/sentiment/read-me.html
O [21] http://nltk.org/
O [22] http://www.clips.ua.ac.be/pattern
O [23] http://www.sentiment140.com/
O [24] http://www.tweetfeel.com/
O [25] http://chatterbox.co/
O [26] http://topsy.com/
O [27] http://www.opinioncrawl.com/
O [28]
https://play.google.com/store/apps/details?id=com.ravisekhar.kopparthi.stocksntmnt&hl=pt_
BR
O [29] http://www.triposo.com/
O [30 http://www.twelect.com/
O [31] http://www.apptrace.com/

Mais conteúdo relacionado

Semelhante a Mineração de Opiniões e Análise de Sentimentos

Tipos de entrevista
Tipos de entrevistaTipos de entrevista
Tipos de entrevistaFran Maciel
 
Transformational Design Thinking - Aula 10
Transformational Design Thinking - Aula 10Transformational Design Thinking - Aula 10
Transformational Design Thinking - Aula 10Lu Terceiro
 
Inteligência Emocional_Versão_Express.pdf
Inteligência Emocional_Versão_Express.pdfInteligência Emocional_Versão_Express.pdf
Inteligência Emocional_Versão_Express.pdfMichellinePoncianoSi
 
Design Thinking and Doing | Circuito de Treinamento AddTech
Design Thinking and Doing | Circuito de Treinamento AddTechDesign Thinking and Doing | Circuito de Treinamento AddTech
Design Thinking and Doing | Circuito de Treinamento AddTech.add
 
Design Thinking | Preparação de pesquisa
Design Thinking | Preparação de pesquisaDesign Thinking | Preparação de pesquisa
Design Thinking | Preparação de pesquisaColaborativismo
 
TOMADA DE DECISÃO SÉCULO .pptx
TOMADA DE DECISÃO  SÉCULO .pptxTOMADA DE DECISÃO  SÉCULO .pptx
TOMADA DE DECISÃO SÉCULO .pptxDanilloSGuimares
 
[IEC PUC Minas] Redes e Mídias Sociais - KPIs, Métricas e Monitoramento
[IEC PUC Minas] Redes e Mídias Sociais - KPIs, Métricas e Monitoramento[IEC PUC Minas] Redes e Mídias Sociais - KPIs, Métricas e Monitoramento
[IEC PUC Minas] Redes e Mídias Sociais - KPIs, Métricas e MonitoramentoCamila Florêncio
 
O impacto da academia de líderes Ubuntu (síntese de resultados)
O impacto da academia de líderes Ubuntu (síntese de resultados)O impacto da academia de líderes Ubuntu (síntese de resultados)
O impacto da academia de líderes Ubuntu (síntese de resultados)Instituto P. António Vieira
 
Estratégias de comunicação e relacionamento em mídias digitais
Estratégias de comunicação e relacionamento em mídias digitaisEstratégias de comunicação e relacionamento em mídias digitais
Estratégias de comunicação e relacionamento em mídias digitaisKenneth Corrêa
 
Design Emocional
Design EmocionalDesign Emocional
Design EmocionalEdu Agni
 
Digitalks SP 2016 | Análise de Dados Realimentando o Planejamento
Digitalks SP 2016 | Análise de Dados Realimentando o PlanejamentoDigitalks SP 2016 | Análise de Dados Realimentando o Planejamento
Digitalks SP 2016 | Análise de Dados Realimentando o PlanejamentoMarco Cardozo Jr
 
O que é e como fazer um Teste de Usabilidade
O que é e como fazer um Teste de UsabilidadeO que é e como fazer um Teste de Usabilidade
O que é e como fazer um Teste de UsabilidadeGustavo Silveira
 
WHO CARES - The Brand Empathy Report 2017
WHO CARES - The Brand Empathy Report 2017WHO CARES - The Brand Empathy Report 2017
WHO CARES - The Brand Empathy Report 2017comOn Group
 

Semelhante a Mineração de Opiniões e Análise de Sentimentos (20)

Personas: Uma abordagem prática | Campus Party 2016
Personas: Uma abordagem prática | Campus Party 2016Personas: Uma abordagem prática | Campus Party 2016
Personas: Uma abordagem prática | Campus Party 2016
 
Tipos de entrevista
Tipos de entrevistaTipos de entrevista
Tipos de entrevista
 
Como elaborar um cv
Como elaborar um cvComo elaborar um cv
Como elaborar um cv
 
Pesquisa Complemento
Pesquisa ComplementoPesquisa Complemento
Pesquisa Complemento
 
Transformational Design Thinking - Aula 10
Transformational Design Thinking - Aula 10Transformational Design Thinking - Aula 10
Transformational Design Thinking - Aula 10
 
Inteligência Emocional_Versão_Express.pdf
Inteligência Emocional_Versão_Express.pdfInteligência Emocional_Versão_Express.pdf
Inteligência Emocional_Versão_Express.pdf
 
Design Thinking and Doing | Circuito de Treinamento AddTech
Design Thinking and Doing | Circuito de Treinamento AddTechDesign Thinking and Doing | Circuito de Treinamento AddTech
Design Thinking and Doing | Circuito de Treinamento AddTech
 
Design Thinking | Preparação de pesquisa
Design Thinking | Preparação de pesquisaDesign Thinking | Preparação de pesquisa
Design Thinking | Preparação de pesquisa
 
TOMADA DE DECISÃO SÉCULO .pptx
TOMADA DE DECISÃO  SÉCULO .pptxTOMADA DE DECISÃO  SÉCULO .pptx
TOMADA DE DECISÃO SÉCULO .pptx
 
[IEC PUC Minas] Redes e Mídias Sociais - KPIs, Métricas e Monitoramento
[IEC PUC Minas] Redes e Mídias Sociais - KPIs, Métricas e Monitoramento[IEC PUC Minas] Redes e Mídias Sociais - KPIs, Métricas e Monitoramento
[IEC PUC Minas] Redes e Mídias Sociais - KPIs, Métricas e Monitoramento
 
Pesquisa marketing
Pesquisa marketingPesquisa marketing
Pesquisa marketing
 
Pesquisa de Mercado
Pesquisa de MercadoPesquisa de Mercado
Pesquisa de Mercado
 
Como fazer uma pesquisa?
Como fazer uma pesquisa?Como fazer uma pesquisa?
Como fazer uma pesquisa?
 
O impacto da academia de líderes Ubuntu (síntese de resultados)
O impacto da academia de líderes Ubuntu (síntese de resultados)O impacto da academia de líderes Ubuntu (síntese de resultados)
O impacto da academia de líderes Ubuntu (síntese de resultados)
 
Treinamento de Feedback
Treinamento de FeedbackTreinamento de Feedback
Treinamento de Feedback
 
Estratégias de comunicação e relacionamento em mídias digitais
Estratégias de comunicação e relacionamento em mídias digitaisEstratégias de comunicação e relacionamento em mídias digitais
Estratégias de comunicação e relacionamento em mídias digitais
 
Design Emocional
Design EmocionalDesign Emocional
Design Emocional
 
Digitalks SP 2016 | Análise de Dados Realimentando o Planejamento
Digitalks SP 2016 | Análise de Dados Realimentando o PlanejamentoDigitalks SP 2016 | Análise de Dados Realimentando o Planejamento
Digitalks SP 2016 | Análise de Dados Realimentando o Planejamento
 
O que é e como fazer um Teste de Usabilidade
O que é e como fazer um Teste de UsabilidadeO que é e como fazer um Teste de Usabilidade
O que é e como fazer um Teste de Usabilidade
 
WHO CARES - The Brand Empathy Report 2017
WHO CARES - The Brand Empathy Report 2017WHO CARES - The Brand Empathy Report 2017
WHO CARES - The Brand Empathy Report 2017
 

Mineração de Opiniões e Análise de Sentimentos

  • 1. Mineração de opiniões e análise de sentimentos Pesquisa, desafios e aplicações
  • 2. Quem vos fala? O Blogueiro nas (raríssimas) horas vagas; O Acesse: blogdomaome.blogspot.com =D O Jogador de poker às quintas-feiras; O Fanático por boa música, bons livros e (muita) tecnologia!
  • 3. Quem vos fala? O Sofredor Gosto de programação e engenharia de software; O Trabalho como desenvolvedor de software na Total Informática;
  • 4. Quem vos fala? O Engenheiro de Computação pela UEFS (2005.1); O SIECOMP 1 e 3 como palestrante (Ergonomia) e 2 como ouvinte;
  • 5. Quem vos fala? O Aluno regular do Mestrado em Ciências da Computação pela UFBA/UEFS; O Orientador: Prof. Dr. Angelo Loula O Co – orientador: Prof. Dr. Matheus Pires O Minha área de pesquisa: Mineração de opiniões e análise de sentimentos e “outras cositas más”
  • 6. Como eu vim parar aqui? 614
  • 7. Agenda O Introdução O Por que saber a opinião de outras pessoas? O Histórico O Terminologias O O problema de analisar sentimentos O Definições; O Tipos de opiniões; O Subjetividade e emoções;
  • 8. Agenda O Intervalo para um pequeno lanche
  • 9. Agenda O O que está envolvido em mineração de opiniões e análise de sentimentos? O Document Sentiment Classification O Sentence Subjectivity and Sentiment Classification O Aplicações; O Sessão final de perguntas;
  • 11. Agenda O Introdução O Por que saber a opinião de outras pessoas? O Histórico O Terminologias O O problema de analisar sentimentos O Definições; O Tipos de opiniões; O Subjetividade e emoções;
  • 12. Por que saber a opinião de outras pessoas? O Em qual candidato votar O Qual carro comprar O Qual filme assistir O Qual livro comprar O Sobre a futura empresa a se candidatar a uma vaga O Tudo isso, muito antes da Web
  • 13. Por que saber a opinião de outras pessoas? O Com a Web, temos O Mais informações a serem consultadas; O Opiniões especializadas e não especializadas;
  • 14. Por que saber a opinião de outras pessoas? O Segundo uma pesquisa feita pelo grupo Kelsey [6] e por Horrigan [7]: O 81% dos usuários de internet já fizeram alguma pesquisa online sobre algum produto; O Entre 73% e 87% dos usuários dizem que uma crítica/análise/revisão influenciaram na compra de um produto; O 20% a 99% dos consumidores estão dispostos a pagar mais por um produto 5 estrelas em vez de um 4 estrelas.
  • 15. Por que saber a opinião de outras pessoas? O Informações políticas; O Segundo Horrigan [8], 31% dos americanos eram usuários de internet nas eleições de 2006; O O mesmo Horrigan [7], relata que a maioria dos usuários tiveram positivas experiências na pesquisa em produtos e nas eleições.
  • 16. Agenda O Introdução O Por que saber a opinião de outras pessoas? O Histórico O Terminologias O O problema de analisar sentimentos O Definições; O Tipos de opiniões; O Subjetividade e emoções;
  • 17. Um breve histórico O 2001 foi o marco para as pesquisas; O Os principais fatores para o aumento das pesquisas foram: O Advento de métodos de aprendizado de máquinas; O Disponibilidade de datasets para o treino/aprendizado dos algoritmos; O Oportunidades de mercado que a área oferece;
  • 19. Agenda O Introdução O Por que saber a opinião de outras pessoas? O Histórico O Terminologias O O problema de analisar sentimentos O Definições; O Tipos de opiniões; O Subjetividade e emoções;
  • 20. Terminologia O Como é um campo novo de estudo, não há uma terminologia definida O São diferentes os termos utilizados: O Opinion Mining O Sentiment/Subjectivity Analysis O Review Mining O Appraisal extraction O Affective Computing
  • 21. OK, mas… … O QUE É MINERAÇÃO DE OPINIÃO?
  • 22. O que é mineração de opinião? O É o campo de estudo que analisa as opiniões, sentimentos, avaliações, atitudes e emoções de pessoas direcionadas a produtos, serviços, organizações, indivíduos, pr oblemas, eventos, tópicos e seus atributos. [3]
  • 23. O que é mineração de opinião? O É o campo de estudo que analisa as opiniões de pessoas direcionadas a entidades.
  • 24. O(s) problema(s) de analisar sentimentos • Desafios e definições básicas; • Tipos de opiniões; • Subjetividade e emoções;
  • 25. O(s) problema(s) de analisar sentimentos • Desafios e definições básicas; • Tipos de opiniões; • Subjetividade e emoções;
  • 26. Desafios básicos O Opiniões e sentimentos são subjetivos; O Diferentes fontes e variados formatos;
  • 27. O 140 caracteres; O Linguagem informal, gírias e emoticons; Desafios básicos
  • 29. O que é uma opinião?
  • 30. O que é uma opinião? O Primeira definição: O Uma opinião é uma composição de: um alvo “g” e um sentimento “s”, positivo, negativo ou neutro O O = (g , s) O Quem é “g” ou o alvo? O "produtos, serviços, organizações, indivíduos, p roblemas, eventos, tópicos e seus atributos"
  • 32. Exemplo Fragmento retirado de [3] • O alvo da opinião da sentença (2) é a Canon G12 e o sentimento é positivo; • O alvo da opinião sentença (3) é a qualidade da imagem da Canon G12 e o sentimento é positivo;
  • 34. O que é uma opinião? O Segunda definição: O Uma opinião é uma composição de: um alvo “g”, um sentimento “s”, um titular da opinião “h” e o tempo “t” em que a opinião foi expressa; O O = (g, s) -> O = (g, s, h, t) O Pode piorar, mas paremos por aqui!
  • 35. Exemplo Fragmento retirado de [3] • O = (g, s, h, t) • (Canon G12, positivo, john_smith, sep-10-2011) • (Canon G12_picture_quality, positivo, john_smith, sep-10- 2011) • (Canon G12_batery_life, positivo, john_smith, sep-10-2011) • (Canon G12_weigh, negativo, john_smith_wife, sep-10- 2011)
  • 36. O(s) problema(s) de analisar sentimentos • Desafios e definições básicas; • Tipos de opiniões; • Subjetividade e emoções;
  • 37. Tipos de opiniões O Regular ou comparativas; O Explícitas ou implícitas;
  • 38. Tipos de opiniões O Regular: uma opinião comum O Direta: é uma opinião que expressa diretamente um sentimento a um alvo O “A qualidade da imagem é ótima” O “A direção do filme é muito boa”
  • 39. Tipos de opiniões O Regular: uma opinião comum O Indireta: é uma opinião que expressa indiretamente um sentimento para um alvo O “Após a injeção, minhas pernas começaram a doer” O “Assim que o serviço foi feito, o carro começou a dar defeito”
  • 40. O Boa parte da pesquisa realizada em mineração de opinião foca em opiniões DIRETAS! Tipos de opiniões
  • 41. Tipos de opiniões O Opinião comparativa: expressa uma relação de similaridade ou diferença entre dois ou mais alvos;
  • 44. Tipos de opinião O Opinião explícita é uma opinião regular direta ou comparativa:
  • 45. Tipos de opinião O Opinião implícita é uma opinião regular indireta ou comparativa:
  • 46. O Boa parte da pesquisa realizada em mineração de opinião foca em opiniões EXPLÍCITAS! Tipos de opiniões
  • 47. Subjetividade e emoções O Subjetividade O Uma sentença subjetiva expressa sentimentos pessoais, enquanto que uma sentença objetiva apresenta fatos; O Por que saber se uma sentença é subjetiva ou objetiva?
  • 48. Subjetividade e emoções O Emoções O São sentimentos e pensamentos [3]; O Emoções primárias: amor, alegria, surpresa, raiva, tristeza, me do [2]; O Cada emoção tem uma intensidade diferente; O A força de um sentimento identificado está diretamente relacionada a uma emoção; O Como emoções podem ajudar?
  • 49. Subjetividade e emoções: aplicação Predição dos índices da bolsa Dow Jones com o sentimento geral do Twitter!
  • 52. Resumindo O Vimos os desafios fundamentais da área; O Vimos conceitos de opinião e diferentes tipos; O Vimos também os conceitos de subjetividade e emoções e porque são úteis; O Mas é importante frisar: O Todos os conceitos da área ainda não estão bem definidos;
  • 53. Classificação de sentimentos em nível de documento • Definições; • Problemas de domínio; • Problemas de idiomas;
  • 54. Classificação de sentimentos em nível de documento • Definições; • Problemas de domínio; • Problemas de idiomas;
  • 55. Classificação de sentimentos em nível de documento é: O Determinar o sentimento geral de um documento como positivo ou negativo; O Esse documento pode ser um texto, uma postagem, um tweet, uma crítica de produto, dentre outros. O Formalizando (e relembrando): O O = (g, s, h, t) O O = (GERAL, s, __, __) O Mas…
  • 56. Hipótese O O documento somente possui opiniões direcionada para somente um alvo [3]; O É uma boa hipótese para: O Críticas de produtos e serviços; O Não é uma boa hitótese para: O Forúns; O Blogs;
  • 57. Classificação de sentimentos em nível de documento O Não existe bala de prata! O Incontáveis abordagens para classificar sentimentos; O Algumas técnicas recorrentes [3]: O Parte do discurso (Part of speech – POS); O Palavras e frase de sentimentos;
  • 58. Parte do discusso O Adjetivos são importantes indicadores de opiniões; O Advérbios são intensificadores de adjetivos; O “O iPhone tem um bom acabamento, mas a inovação da empresa está muito ruim. Mas ela não desistirá.”
  • 59. Parte do discusso O Adjetivos são importantes indicadores de opiniões; O Adverbios são intensificadores de adjetivos; O “O iPhone tem um bom acabamento, mas a inovação da empresa está muito ruim. Mas ela não desistirá.” Adjetivos
  • 60. Parte do discusso O Adjetivos são importantes indicadores de opiniões; O Adverbios são intensificadores de adjetivos; O “O iPhone tem um bom acabamento, mas a inovação da empresa está muito ruim. Mas ela não desistirá.”Sentença objetiva Adjetivos Advérbio
  • 61. Palavras e frase de sentimentos O Identificadas as sentenças com opiniões, utiliza-se um dicionário de sentimentos; O “O iPhone tem um bom acabamento, mas a inovação da empresa está muito ruim. Mas ela não desistirá.”Sentença objetiva Adjetivos Advérbio
  • 62. Classificação de sentimentos em nível de documento • Definições; • Problemas de domínio; • Problemas de idiomas;
  • 63. Problemas de domínio O Análise de sentimentos é sensível ao domínio estudado; O Exemplos de domínios: O Livros; O Filmes; O Política; O etc.
  • 64. Problemas de domínio “Go read the book” Opinião positiva ou negativa?
  • 65. Problemas de domínio “Go read the book” Opinião positiva ou negativa?
  • 66. Classificação de sentimentos em nível de documento • Definições; • Problemas de domínio; • Problemas de idiomas;
  • 67. Problemas de idiomas O Análise de sentimentos é sensível ao idioma de estudo; O Analise a orientação semântica do seguinte documento: O “Volvo has the best cars ever made” O Agora, analise isso: O Volvo possède les meilleures voitures jamais réalisés; O 沃尔沃有史以来最好的车
  • 68. Resumindo O Vimos do que se trata a análise de sentimentos em nível de documento O Vimos os principais problemas envolvidos e algumas técnicas para solucioná-los;
  • 69. Resumindo O Contudo, extrair opiniões e analisar sentimentos de um documento inteiro possui falhas: O O sentimento geral não é detalhado; O Blogs e forúns não podem ser analisados corretamente;
  • 70. Classificação de sentimentos em nível de sentenças • Subjetividade de sentenças; • Classificação de sentenças; • Sentenças condicionais; • Sarcasmo; • Problemas de idiomas.
  • 71. Classificação de sentimentos em nível de sentenças O Não há diferença fundamental entre este nível e o anterior; O Problema (a ser resolvido): O Dada uma sentença, determinar se esta expressa um sentimento positivo, negativo, neutro ou não expressa opinião [3]; O É importante saber se uma sentença é subjetiva ou não;
  • 72. Classificação de sentimentos em nível de sentenças • Subjetividade de sentenças; • Classificação de sentenças; • Sentenças condicionais; • Sarcasmo; • Problemas de idiomas.
  • 73. Subjetividade de sentenças O Classifica uma sentença em duas classes: subjetiva ou objetiva [4]; O Sentença objetiva: expressa fatos; O Sentença subjetiva: expressa opiniões; O Mas nem sempre é assim!
  • 74. Subjetividade de sentenças O Wiebe [4] classifica sentenças buscando a presença de pronomes, adjetivos, números cardinais, advérbios. O “O iPhone tem um bom acabamento, mas a inovação da empresa é está muito ruim. Mas ela não desistirá.” Lembrando: Não há bala de prata! Sentença objetiva Adjetivos Advérbio
  • 75. Classificação de sentimentos em nível de sentenças • Subjetividade de sentenças; • Classificação de sentenças; • Sentenças condicionais; • Sarcasmo; • Problemas de idiomas.
  • 76. Classificação de sentenças O Hipótese: Uma sentença expressa um único sentimento para um único alvo;
  • 77. Classificação de sentenças O Hu e Liu [9] utilizaram um dicionário de sentimentos (Wordnet) para classficar sentenças; O Soma a pontuação semântica dos sentimentos O +1 para um sentimento positivo O -1 para um sentimento negativo
  • 78. Classificação de sentenças O Para o exemplo anterior, temos: O “O iPhone tem um bom acabamento, mas a inovação da empresa é está muito ruim. Mas ela não desistirá.” O +1 para “bom”; O -1 para “ruim” O Resultado: sentença neutra.
  • 79. Classificação de sentenças O Kim e Hovy [10, 11, 12] utilizaram uma abordagem similar a de Hu e Liu [9]: O Multiplica a pontuação semântica dos sentimentos O +1 para um sentimento positivo O -1 para um sentimento negativo
  • 80. Classificação de sentenças O Para o exemplo anterior com a técnica de [10,11,12], temos: O “O iPhone tem um bom acabamento, mas a inovação da empresa é está muito ruim. Mas ela não desistirá.” O +1 para “bom”; O -1 para “ruim” O Resultado: sentença negativa.
  • 81. Classificação de sentimentos em nível de sentenças • Subjetividade de sentenças; • Classificação de sentenças; • Sentenças condicionais; • Sarcasmo; • Problemas de idiomas.
  • 82. Sentenças condicionais O Um problema difícil! O Segundo Narayanan [5], não existe bala de prata (ele quase disse nessas palavras)! O Uma sentença condicional descreve uma implicação ou situação hipotética e suas consequências: causa e efeito [3]; O Exceto por [5], não há muitos trabalhos que tenham investigado esse problema.
  • 83. Sentenças perguntas (bônus) O Como identificar opiniões em perguntas? O Exemplo: O “Alguém pode me dizer como consertar esse lento celular Nokia? “ O Até o presente momento da pesquisa, não foram encontrados trabalhos nesse campo!
  • 84. Classificação de sentimentos em nível de sentenças • Subjetividade de sentenças; • Classificação de sentenças; • Sentenças condicionais; • Sarcasmo; • Problemas de idiomas.
  • 85. Sarcasmo O Você achou que sentenças condicionais e sentenças-pergunta eram difíceis? O Sarcasmo é mais fácil ainda! ;) O Poucos trabalhos na área; O Identificam sarcasmo, mas não classificam sentimentos;
  • 86. Classificação de sentimentos em nível de sentenças • Subjetividade de sentenças; • Classificação de sentenças; • Sentenças condicionais; • Sarcasmo; • Problemas de idiomas.
  • 87. Problemas de idiomas O Problema correlato ao de classificação de sentimentos em nível de documento; O “Volvo has the best cars ever made” O 沃尔沃有史以来最好的车
  • 88. Problemas de idiomas O Estratégias [3]: O Traduzir sentenças de teste do idioma alvo para o idioma fonte e daí classifica- las;
  • 89. Problemas de idiomas O Estratégias [3]: O Traduzir sentenças de teste do idioma fonte para o idioma alvo e daí classifica- las;
  • 90. Problemas de idiomas O Estratégias [3]: O Traduzir um dicionário de sentimentos do idioma fonte para idioma alvo e construir um classificador novo;
  • 91. Resumindo O Para classificar sentenças é preciso: O Saber se são objetivas ou subjetivas; O Assumir que uma sentença tenha um único sentimento para um único alvo; O Classificar o sentimento de uma sentença como positivo, negativo, neutro ou sem opinião; O Sentenças condicionais são difíceis. Sentenças-pergunta, mais ainda! O E o sarcasmo então?
  • 92. Mas e se me aparece isso? O “Tente o Chrome, pois o Firefox vive travando”
  • 93. Ou isso? O “Câmeras Leica tem boas lentes. Ótimo obturador. Péssimos preços.”
  • 94. Isso é assunto para outra história. 
  • 96. Aplicações O Sites de análises/críticas e relacionados (Review-Related Websites) O Subcomponente (Sub-Component Technology) O Inteligência Empresarial e Governamental (Business and Government Intelligence)
  • 97. Aplicações sobre sites de análises/críticas O Pró-ativamente reunir informações sobre O Análises de produtos O Opiniões sobre candidatos O Problemas políticos O Resumir (sumarize) análises de usuários sobre os tópicos acima (e outros mais) Positivo Negativo Neutro
  • 98. Aplicações em inteligência empresarial e governamental, O “Por que os consumidores não estão comprando nosso laptop?” O Extração de opiniões de documentos não estruturados (blogs, redes sociais) O Predição de vendas [13] O Monitoramento de comunicação hostil ou negativa [14]
  • 99. Aplicações sobre diferentes domínios O O que pensam os eleitores [15] O eRulemaking [16] O Blawgs [17]
  • 100. Para brincar e conhecer  Ferramentas, apps, bibliotecas sobre mineração de opinião e análise de sentimentos
  • 101. Java O SentiStrength [18] O SentiWordNet [19] O Não é em Java, mas tem uma classe pronta para aproximar sentimentos; O LingPipe [20]
  • 102. Python O Natural Language Toolkit (NLTK) [21] O Pattern [22]
  • 103. Serviços Web O Sentiment140 [23] O TweetFeel [24] O ChatterBox [25] O Topsy [26] O Opinion Crawl [27]
  • 104. Android / iOS / Windows Phone O Stocks Sentiment [28]; O Triposo [29]; O Twelect [30]; O Apptrace [31];
  • 105. Referências O [1] B. Pang, “Opinion Mining and Sentiment Analysis,” Foundations and Trends® in Information Retrieval, vol. 1, no. 2, pp. 91–231, 2008. O [2] Parrott, W. Gerrod. Emotions insocial psychology: Essentialreadings2001: Psychology Pr. O [3] Liu, Bing. Sentiment Analysis and Subjectivity, in Handbook of Natural Language Processing, Second Edition, N. Indurkhya and F.J. Damerau, Editors. 2010 O [4] Wiebe, Janyce, Rebecca F. Bruce, and Thomas P. O'Hara. Development and use of a gold- standard data set for subjectivity classifications. in Proceedings of the Association for Computational Linguistics (ACL-1999). 1999 O [5] Narayanan, Ramanathan, Bing Liu, and Alok Choudhary. Sentiment analysis of conditional sentences. in Proceedings of Conference on Empirical Methods in Natural Language Processing (EMNLP-2009). 2009 O [6] comScore/the Kelsey group, “Online consumer-generated reviews have sig- nificant impact on offline purchase behavior,” Press Release, http://www. comscore.com/press/release.asp?press=1928, November 2007 O [7] J. A. Horrigan, “Online shopping,” Pew Internet & American Life Project Report, 2008. O [8] L. Rainie and J. Horrigan, “Election 2006 online,” Pew Internet & American Life Project Report, January 2007.
  • 106. Referências O [9] Hu, Minqing and Bing Liu. Mining and summarizing customer reviews. in Proceedings of ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD-2004). 2004. O [10] Kim, Soo-Min and Eduard Hovy. Crystal: Analyzing predictive opinions on the web. in Proceedings of the Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning (EMNLP/CoNLL-2007). O [11] 2007.150. Kim, Soo-Min and Eduard Hovy. Determining the sentiment of opinions. in Proceedings ofInterntional Conference on Computational Linguistics (COLING-2004). O [12] 2004.151. Kim, Soo-Min and Eduard Hovy. Extracting opinions, opinion holders, and topics expressed in online news media text. in Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP-2006). 2006. O [13] G. Mishne and N. Glance, “Predicting movie sales from blogger sentiment,” in AAAI Symposium on Computational Approaches to Analysing Weblogs (AAAI- CAAW), pp. 155–158, 2006. O [14] A. Abbasi, “Affect intensity analysis of dark web forums,” in Proceedings of Intelligence and Security Informatics (ISI), pp. 282–288, 2007. O [15] M. Efron, “Cultural orientation: Classifying subjective documents by cocia- tion [sic] analysis,” in Proceedings of the AAAI Fall Symposium on Style and Meaning in Language, Art, Music, and Design, pp. 41–48, 2004.
  • 107. Referências O [16] C. Cardie, C. Farina, T. Bruce, and E. Wagner, “Using natural language processing to improve eRulemaking,” in Proceedings of Digital Government Research O [17] J. G. Conrad and F. Schilder, “Opinion mining in legal blogs,” in Proceedings of the International Conference on Artificial Intelligence and Law (ICAIL), pp. 231–236, New York, NY, USA: ACM, 2007. O [18] http://sentistrength.wlv.ac.uk/ O [19] http://sentiwordnet.isti.cnr.it/ O [20] http://alias-i.com/lingpipe/demos/tutorial/sentiment/read-me.html O [21] http://nltk.org/ O [22] http://www.clips.ua.ac.be/pattern O [23] http://www.sentiment140.com/ O [24] http://www.tweetfeel.com/ O [25] http://chatterbox.co/ O [26] http://topsy.com/ O [27] http://www.opinioncrawl.com/ O [28] https://play.google.com/store/apps/details?id=com.ravisekhar.kopparthi.stocksntmnt&hl=pt_ BR O [29] http://www.triposo.com/ O [30 http://www.twelect.com/ O [31] http://www.apptrace.com/

Notas do Editor

  1. Falarqueéumaárea de IA e quevocêvaifalarmuitoem ALGORITMOS, CLASSIFICADORES, APRENDIZADO, DATASETS (CONJUTOS DE DADOS), etc.Muitacoisaseráditapor alto parafacilitar o entendimento e paraquenãoviole o pré-requisito de nãoterpré-requisito.
  2. Emvermelho: sentiment analysis (apelonaindustria)Azul: opinion mining (apelona academia)Verde: web opinion mining (sugeridopelogoogle)
  3. sentiment analysis (apelonaindustria)opinion mining (apelona academia)
  4. Dáexemplossoltos: “Éruim”, “Éótimo”, “Razoavel”
  5. Emvermelhoéparalembrarque a QUADRUPLA PODE (E VIRA) UMA QUINTUPLA. Fala da importanciadessaestruturacao.
  6. Vimosdesafios dos sentimentosseremsubjetivos, fontesdiversas e nãoestruturadas e definicao de opiniao.
  7. SUPERLATIVO
  8. Respondedizendoqueéimportanteseparar o joio do trigo, pois a probabilidade de sentençassubjetivas de teremopiniõesémaiorqueobjetiva.Diminui o tempo de aprendizado e aumenta a precisão.
  9. Nãoesquece de falarque as tecnicaspararesolucao de problemas de dominiosaomuitodificeis e quenormalmenteusam ELEMENTOS PIVOT (Interseccao de palavras e sentimentosmaisfalados, frequentes, etc.)
  10. Nãoesquece de falarque as tecnicaspararesolucao de problemas de idiomaseraofaladasmais a frente.
  11. Lembraquevocênãofalou antes e vaifalar agora. Além disso, comovcjáfalou, nãohádiferença fundamental entre um nível e outro.