Estudo comparativo de abordagens semi-supervisionadas para análise de sentimentos em tweets

Abstract

Existem várias abordagens para desenvolver métodos de aprendizado de máquina volta- dos para análise de sentimentos. Há uma carência, no entanto, de estudos e conjuntos de dados usando tweets na língua portuguesa para análise de sentimentos. Adicionalmente, visto a dificuldade de se encontrar conjuntos de dados rotulados para a implementação, abordagens semi-supervisionadas podem ser uma alternativa para contornar este prob- lema, podendo-se usar conjuntos de dados com apenas uma parte dos dados rotulados. Este trabalho faz uma comparação de diferentes métodos de aprendizado de máquina semi-supervisionados em relação à métodos supervisionados, aplicados à análise de sen- timentos para, entre outros fins, detecção e classificação de polaridades de textos, e suas variadas formas de implementação e análise. Para esse propósito, uma metodologia é proposta para a classificação de sentimentos em tweets utilizando dois conjuntos de da- dos, sendo um criado inteiramente de tweets na língua Portuguesa, relacionados à Uni- versidade de Brasília, e também um conjunto de tweets em língua Inglesa. Os tweets foram rotulados em positivo, negativo ou neutro, à fim de que se possa utilizar méto- dos de aprendizado de máquina supervisionados e semi-supervisionados. Basicamente o método consiste nas etapas de pré-processamento dos dados, extração de características e classificação utilizando os modelos Support Vector Machines (SVM), Naive Bayes, La- bel Propagation e k-Nearest Neighbors (KNN). Por fim, a performance dos classificadores é avaliada utilizando a F1-Score, levando às conclusões em relação à eficácia do apren- dizado semi-supervisionado comparado ao supervisionado, afim de entender melhor como a abordagem semi-supervisionada se comporta neste cenário.