Meu projeto principal de mestrado envolve a Análise de Sentimentos, segmento do Processamento de Linguagem Natural que lida com emoções e opiniões de pessoas. Pesquisas nessa área se tornaram muito mais importantes com a popularização da internet e das redes sociais nos últimos dez anos.

Usuários em redes sociais são usualmente consumidores de produtos e serviços, que podem agradar ou não. A facilidade de expressão de opinião em ambientes virtuais faz com que as opiniões extraídas de redes sociais como o Twitter e o Facebook representem avaliações e feebacks mais confiáveis para empresas que dependem dessas opiniões e avaliações para seus produtos.

  • Polaridades - Positivo, Neutro e Negativo
  • Emoções - Alegria, Surpresa, Nojo, Decepção

Mas como podemos extrair esses sentimentos de sentenças escritas em linguagem natural?

Extração de Sentimentos

Essas regras podem capturar grandes composições ou sentenças complexas, por exemplo com ironia ou desafios semânticos como ‘Gostei de tudo, apesar de não ter gostado de nada.’? Para análises mais complexas, buscamos uma área de aprendizado de máquina que lida com composições complexas chamada Deep Learning.

Deep Learning

Nos últimos anos a área de Análise de Sentimentos voltou a ser mais explorada por meio de técnicas de Deep Learning, tais como o uso de Redes Neurais Recursivas, Convolucionais e arquiteturas de long short-term memory.

Recursive Neural Tensor Network

Paragraph Vector

Convolutional Neural Networks

Tree-Structured Long Short-Term Memory Networks

Referências

  • Avanço, L. V. (2015). Sobre normalização e classificação de polaridade de textos opinativos na web. Tese (Mestrado) - Instituto de Ciências Matemáticas e de Computação (ICMC/USP). São Carlos - SP. 102p. (2015).

  • Kim, Y. (2014). Ceonvolutional neural networks for sentence classification. arXiv preprint arXiv:1408.5882.

  • Le, Q. e Mikolov, T. (2014). Distributed representations of sentences and documents; arXiv preprint arXiv:1405.4053.

  • Socher, R., Perelygin, A., Wu, J. Y., Chuang, J., Manning, C. D., Ng, A. Y., e Potts, C. (2013). Recursive deep models for semantic compositionality over a sentiment treebank. In Proceedings of the conference on empirical methods in natural language processing (EMNLP), volume 1631, páginas 1642–1654.

  • Sheng, K. T., Soicher, R., e Manning, C. D. (2015). Improved semantic representations from tree-structured long short-term memory netwaorks; arXiv preprint arXiv:1503.00075.