Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/1414
Compartilhe esta página
Título: | Uma abordagem não supervisionada para classificação de opinião usando o recurso léxico SentiWordNet |
Autor(es): | CAVALCANTI, Diana Cabral |
Palavras-chave: | Análise de Sentimento; Mineração de Opinião; Classificação de Sentimento; Recurso Léxico; SentiWordNet |
Data do documento: | 31-Jan-2011 |
Editor: | Universidade Federal de Pernambuco |
Citação: | Cabral Cavalcanti, Diana; Bastos Cavalcante Prudêncio, Ricardo. Uma abordagem não supervisionada para classificação de opinião usando o recurso léxico SentiWordNet. 2011. Dissertação (Mestrado). Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Pernambuco, Recife, 2011. |
Abstract: | Mineração de Opinião, também chamada de Análise de Sentimento, explora o estudo computacional de opiniões, sentimentos e emoções expressadas em fontes como textos não estruturados. Com a crescente popularidade e disponibilidade de recursos para se veicular opiniões na Web, os internautas passaram a ser não só um mero consumidor de um produto já pronto, mas também um gerador de conteúdo na Web. A classificação de sentimento tem o desafio de automatizar a análise de opiniões na Web, a fim de colaborar na forma como as pessoas podem, fazem e usam ativamente as tecnologias de informação para buscar e compreender as opiniões dos outros. Diversas pesquisas têm explorado métodos supervisionados e não supervisionados para classificação de sentimento que abrangem técnicas de processamento de linguagem natural, recuperação da informação e recursos léxicos. Este trabalho propõe o uso do recurso Léxico SentiWordNet, com um método não supervisionado, que realiza a seleção de termos unigrama nas classes gramaticais adjetivo, advérbio, substantivo e verbo, para classificar a polaridade, se negativa, positiva ou neutra, de termos e documentos. A fim de avaliar o desempenho do método, experimentos foram realizados em duas bases de dados, que abrangem comentários extraídos do Amazon.com e citações em artigos científicos. Os resultados obtidos experimentalmente mostraram que o SentiWordNet atingiu uma média de 76% para o total de termos distintos extraídos, a maior taxa de acerto global foi 58% para a base de documentos do Amazon.com e 18.83% para a base de artigos científicos |
URI: | https://repositorio.ufpe.br/handle/123456789/1414 |
Aparece nas coleções: | Dissertações de Mestrado - Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
arquivo1261_1.pdf | 2,36 MB | Adobe PDF | ![]() Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons