ANÁLISE DE SENTIMENTOS/MINERAÇÃO DE OPINIÃO: UMA REVISÃO BIBLIOGRÁFICA
Resumo
Este trabalho descreve uma análise de mineração de opinião realizada através de alguns trabalhos da área. O mesmo se trata de um referencial bibliográfico onde serão reunidas as técnicas e ferramentas utilizadas e os resultados obtidos, além de apresentar algumas abordagens sobre o tema em questão. A mineração de opinião/análise de sentimento, é um área de estudos que busca analisar qual é a opinião ou sentimento sobre um determinado assunto. Essa área está se expandindo cada vez mais, principalmente pelo fato das pessoas expressarem suas opiniões através de plataformas como, redes sociais, fóruns, sites, entre outros. Com isso surge então a necessidade de aplicar técnicas e ferramentas que consigam coletar e identificar o conteúdo de opinião, e determinar o sentimento, percepção ou comportamento das pessoas em relação a um determinado alvo. Portanto este trabalho além de realizar essa análise proporciona uma direção para futuras pesquisas.Referências
APACHE. Hadoop. 2016. http://hadoop.apache.org/. Acessado em 11 de outubro de 2016.
BECKER, K.; TUMITAN, D. Introdução à mineração de opiniões: Conceitos, aplicações e desafios. Simpósio Brasileiro de Banco de Dados, 2013.
BHADANE, C.; DALAL, H.; DOSHI, H. Sentiment analysis: Measuring opinions. Procedia Computer Science, Elsevier, v. 45, p. 808–814, 2015.
CHAUDHURI, A. Emotion and reason in consumer behavior. [S.l.]: Routledge, 2006.
DIAS, M. M. Parâmetros na escolha de técnicas e ferramentas de mineração de dados. Acta Scientiarum. Technology, v. 24, p. 1715–1725, 2008.
FILHO, J. A. C. MINERAÇÃO DE TEXTOS: ANÁLISE DE SENTIMENTO UTILIZANDO TWEETS REFERENTES À COPA DO MUNDO 2014. Tese (Doutorado) — Trabalho de Conclusão de Curso, Universidade Federal do Ceará, 2014.
GOMES, H. J. C. Text Mining: análise de sentimentos na classificação de notícias. Tese (Doutorado), 2013.
HU, M.; LIU, B. Mining and summarizing customer reviews. In: ACM. Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining. [S.l.], 2004. p. 168–177.
HUTTO, C. J.; GILBERT, E. V. A parsimonious rule-based model for sentiment analysis of social media text. In: Eighth International AAAI Conference on Weblogs and Social Media. [S.l.: s.n.], 2014.
LIU, B. Sentiment analysis and subjectivity. Handbook of natural language processing, v. 2, p. 627–666, 2010.
LIU, B. Sentiment analysis and opinion mining. Synthesis lectures on human language technologies, Morgan & Claypool Publishers, v. 5, n. 1, p. 1–167, 2012.
MARTINS, G.A; PINTO. R. Manual para elaboração de trabalhos acadêmicos. São Paulo: Atlas, 2001.
MOHAMMAD, S. M.; TURNEY, P. D. Emotions evoked by common words and phrases: Using mechanical turk to create an emotion lexicon. In: Association for Computational Linguistics. Proceedings of the NAACL HLT 2010 workshop on computational approaches to analysis and generation of emotion in text. [S.l.], 2010. p. 26–34.
MOREIRA, V. S. et al. Análise de sentimentos: Comparando o uso de ferramentas e a análise humana. XII Brazilian Symposium on Information Systems. Florianópolis, 17-20 mai. 2016.
NASCIMENTO, P. Análise de sentimento de tweet com foco em notícias. Programa de Engenharia de Sistemas e Computação Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia Universidade Federal do Rio de Janeiro, 2011.
ORACLE. Big Data. 2016. https://www.oracle.com/big-data/index.html. Acessado em 03 de outubro de 2016.
OWEN, S.; ANIL, R.; DUNNING, T.; Friedman, E. Mahout in Action. Connecticut: Manning Publications Co, 2011.
PAK, A.; PAROUBEK, P. Twitter as a corpus for sentiment analysis and opinion mining. In: LREc. 2010.
PARROTT, W. G. Emotions in Social Psychology: Essential Readings. [S.l.]: Psychology Press, 2001.
PINTO, A. C. Psicologia Geral. [S.l.]: Universidade Aberta, 2001. 344 p.
PLUTCHIK, R. A general psychoevolutionary theory of emotion. Theories of emotion, Academic Press New York, v. 1, 1980, p. 3–31.
RAVI, K.; RAVI, V. A survey on opinion mining and sentiment analysis: tasks, approaches and applications. Knowledge-Based Systems, Elsevier, v. 89, 2015, p. 14–46.
SANTOS, A. G. L.; BECKER, K.; MOREIRA, V. Um estudo de caso de mineração de emoções em textos multilíngues. Instituto de Informática, Universidade Federal do Rio Grande do Sul-UFRGS, 2014. Disponível em: < http://www.inf.ufrgs.br/~aglsantos/publicacoes/AlineLermen-BraSNAM2014.pdf>. Acesso em: 11 ago. 2017.
SANTOS, F. L. d. Mineração de opinião em textos opinativos utilizando algoritmos de classificação. Monografia (Graduação) - Trabalho de Conclusão de Curso, Universidade Brasília, 2013. Ceará, 2014.
SANTOS, L. M. et al. Twitter, análise de sentimento e desenvolvimento de produtos: Quanto os usuários estão expressando suas opiniões? Revista PRISMA.COM, n. 13, 2010. p. 1-1. Disponível em: http://revistas.ua.pt/index.php/prismacom/article/view/790/722>. Acesso em: 11 ago. 2017.
SENTWORDNET. http://sentiwordnet.isti.cnr.it/. Acessado em 04/05/2016. Citado na página 5.
SILVA, N. G. R. BestChoice: Classificação de Sentimento em Ferramentas de Expressão de Opinião. Tese (Doutorado) — Tese de graduação, Universidade Federal de Pernambuco, Recife, 2010.
SILVA, N. R.; LIMA, D.; BARROS, F. Sapair: Um processo de análise de sentimento no nível de característica. In: IV International Workshop on Web and Text Intelligence (WTI-2012). 2012. Disponível em: . Acesso em: 11 ago. 2017.
SILVA R. L. A. ROCHA, J. J. N. A. M. Análise semântica de sentimentos utilizando árvores de decisão adaptativas. X Workshop de Tecnologia Adaptativa-WTA, p. 37-45.
SOUZA, L. V. Análise de sentimentos no twitter utilizando sentiwordnet. Trabalho de graduação – Centro de Informática da Universidade Federal de Pernambuco, 2011.
SOUZA, M. V. d. S. Mineração de opiniões aplicada a mídias sociais. Dissertação (Mestrado) – Ciências da Computação, Pontifícia Universidade Católica do Rio Grande do Sul, 2012.
TORTELLA, P. L.; COELLO, J. M. A. Análise de sentimentos em mídias sociais. Laboratório de Banco de Dados - Departamento de Ciência da Computação da Universidade Federal de Minas Gerais-UFMG, 2015. Disponível em: http://www.lbd.dcc.ufmg.br/colecoes/sbsi/2013/0047.pdf>. Acesso em: 11 mar. 2017.
