Deteção e classificação de sentimentos em fontes de informação não estruturada

Abstract

Uma das motivações que suporta a nossa constante busca por informação é a necessidade de saber \o que os outros pensam?". Com uma utilização cada vez maior das redes sociais, essa informação está finalmente ao alcance de empresas e outros organismos, permitindo que estas transformem esse conhecimento numa vantagem competitiva. Nesta dissertação é apresentado um modelo para análise de sentimentos, que faz a deteção e classicação de referências a entidades em fontes de informação não estruturada, seguindo uma aproximação normalmente referida como de orientação semântica. Este recorre a um conjunto de regras cuja aplica ção envolve a utilização de um léxico de sentimentos, e a exploração da relação de sinonímia entre palavras. Como resultado e indicado o tipo de sentimento (positivo, negativo ou neutro) e a entidade sobre a qual este incide. Finalmente, e realizada uma avaliação do sistema desenvolvido num corpus em Português, procurando justificar as aproximações escolhidas e situar os resultados obtidos no panorama atual; ABSTRACT: One of the motivations that supports our constant search for information is the need to know \what other people think? ". With the increasing use of social networks that information is nally within the reach of companies and other entities, allowing them to turn that knowledge into a competitive advantage. In this dissertation we present a model for sentiment analysis, to detect and classify references to entities in non structured information sources, following a commonly named semantic orientation approach. The system uses a set of rules, which are applied with the aid of a sentiment lexicon, and explores the synonymity relationship between words. As a result, it identi es the type of sentiment present in the text (positive, negative or neutral) and the target to whom it applies. Finally, we present an evaluation of the proposed system in a Portuguese corpus, looking to justify the approaches taken and compare the results obtained with the current state of the art systems.