API de análise de sentimentos levando em conta contexto a partir de lógica difusa.

1. Dr. Eduardo S. Pereira
Analise de Sentimentos em
Processamento de Linguagem
Natural
Entrega de API de Análise de sentimentos de
Linguagem Natural que leva em conta contexto e
relativismo.
Dr. Eduardo S. Pereira

2. Dr. Eduardo S. Pereira
Visão Geral
● Definições:
– Qualquer texto selecionado para analise poderá ser
classificado como: positivo, negativo ou neutro.
– Textos Positivos/Negativos: São aqueles cujo conteúdo
impactem favorável/desfavoravelmente no objeto de estudo
(pessoa física, jurídica)
– Numa analise contextual, a menor unidade para classificar os
sentimentos serão as sentenças, isto é frases separadas por
ponto.

3. Dr. Eduardo S. Pereira
Problemas
● Logicamente, um texto qualquer poderia variar no intervalo
negativo a positivo ao longo de seu conteúdo, devido à
contextualização, explanação, redação, etc.
● Nesse contexto, o sentimento final associado a um texto
deve levar em conta essa distribuição para sua analise.
● Além disso, a presença de certo grupo de palavras neutras
no texto poderá mudar a intonação final.

4. Dr. Eduardo S. Pereira
Objetivo
O objetivo da API é fornecer uma solução
que não só inclua análise individual das
sentenças como também o contexto.
– Isto poderia ser definido por um grupo de palavras
supervisionadas para a classificação.
– Assim como, incluindo a distribuição relativa na
analise dos sentimentos

5. Dr. Eduardo S. Pereira
API
● Levando em conta o que foi dito anteriormente,
um texto não será absolutamente positivo ou
negativo, mas será classificado de forma
relativa.
● Assim, ao se analisar tal resposta propõe-se
utilizar lógica difusa para realizar comparações
entre textos, levando em conta também um
possível relativismo cultural.

6. Dr. Eduardo S. Pereira
API
● Levando em conta a lógica difusa, a API retornará como
sentimento para um texto, valores entre zero (0) e um (1).
● Sendo que:
– 0.0: Texto completamente negativo;
– 0.5 : Texto completamente neutro;
– 1.0: Texto completamente positivo;
● Além disso, a API retornará o conjunto de palavras
principais e sua ocorrência relativa no texto, permitindo
assim uma melhor análise e classificação do contexto.

7. Dr. Eduardo S. Pereira
API
● Também, a API proposta permite fazer uma
comparação analítica relativa entre vários
textos, possibilitando ainda obter um melhor
contexto entre eles.
● A seguir é apresentado um texto que foi
analisado pela API.

8. Dr. Eduardo S. Pereira
● Texto analisado como Exemplo:
– “O ministro da Justiça, Alexandre de Moraes, afirmou nesta terça-feira (24), que a força-tarefa
especial de agentes penitenciários criada pelo governo começará sua atuação pelo Rio Grande
do Norte, a partir desta quarta (25). Segundo o ministro, será enviada parte dos cem homens
que compõem a FTIP (Força-tarefa de Intervenção Penitenciária) à penitenciária de Alcaçuz,
que enfrenta uma rebelião de presos há 11 dias. Eles têm permanência autorizada pelo governo
federal de 30 dias, com possibilidade de renovação. O grupo faz parte da Força Nacional e terá,
afirmou, treinamento específico para atuar em situações de emergência em presídios. Foram
cedidos dez agentes penitenciários do Rio de Janeiro, São Paulo, Ceará e Distrito Federal, além
de 30 homens do Depen (Departamento Penitenciário Nacional). Devem ser cedidos cem
agentes no total, afirmou o ministro. A portaria que criou a força-tarefa será publicada nesta
quarta no "Diário Oficial" da União. De acordo com Moraes, o grupo deve auxiliar a "reconquistar
e manter a normalidade em Alcaçuz, para que as obras [no presídio] sejam feitas para que o
Estado retome e esse grupo possa sair". A forma de atuação da força-tarefa deve ser decidida
na quarta, em reunião com autoridades do Estado. Uma força-tarefa nos mesmos moldes já
funcionou uma vez, no ano passado, em unidades prisionais do Ceará. A crise no presídio de
Alcaçuz teve início no último dia 14, quando 26 presos foram mortos em decorrência de um
confronto entre membros do PCC (Primeiro Comando da Capital) e do Sindicato do Crime do
RN. Outros confronto aconteceram entre as duas facções, mas ainda não foram divulgados
números oficiais de mortos e feridos após os tumultos. A polícia voltou a entrar na unidade nesta
terça (24) para buscar armas e munições. O ministro afirmou ainda que não será enviada ajuda
federal para Bauru (SP), onde uma rebelião terminou com mais de 150 fugitivos. "A situação já
está controlada", afirmou. Com a fuga, escolas, parte do comércio e órgãos públicos fecharam
no fim da manhã. De acordo com a SAP (Secretaria de Administração Penitenciária), até as
16h30, 90 presos haviam sido recapturados. Moraes, que participava da abertura da Semana
Nacional de Combate ao Trabalho Escravo, não quis comentar sobre sua possível indicação
para a vaga de Teori Zavascki, morto na quinta (19), no Supremo Tribunal Federal, que vem
perdendo força.”

9. Dr. Eduardo S. Pereira
Resultado
● Sentimento:
– Dando peso maior a ocorrência e variações da palavra
“Morte”: 0,37
– Analisando apenas texto, sem essa contextualização:
0,43.
● Principais palavras encontradas: não, confronto, mortos, força, será, 24, tarefa,
moraes, atuação, penitenciária, cem , alcaçuz, presídio, nesta, rebelião,
quarta, terça, homens, enviada, cedidos, 30, penitenciários, presos, agentes,
ceará.
Tendencias: negativa < 0,45; 0,45 < neutra > 0,55; positiva >
0,55

10. Dr. Eduardo S. Pereira
Conclusões
● Podemos notar que o texto anterior possui uma carga
grande de textos neutros, pois sem a análise de palavra de
contexto, o sentimento fica acima de 0,4 (0,43), tendendo a
ser um texto neutro. Isso indica que o texto tem muito
conteúdo que serve mais para contextualizar o leitor, porém
ainda é um texto negativo;
● Ao se levar em conta a ocorrência e variações da palavra
negativa “morte”, vemos que o texto tem um peso negativo
maior, pois o valor do sentimento ficou abaixo de 0,4 (0,37).
● Ou seja, a contextualização fornece uma maior
negatividade ao texto do que a análise pura do texto.

11. Dr. Eduardo S. Pereira
Questões a serem resolvidas
● Ao fazer a análise de ocorrencia de palavras,
observa-se ainda a presença de Stop Words como
a palavra não. Logo ainda falta calibrar esse ponto.
● Usando matriz de confusão e fazendo comparações
com subamostras de dados, o classificador
absoluto, por frases, tem resultado maior que 90%.
Contudo, não está claro ainda se esse resultado é
universal, ou, si é válido apenas para o perfil de
textos que foram usados para calibrar o sistema
(Corpus jornalístico da Folha).