APRENDIZADO DE MÁQUINA PARA O PROBLEMA DE SENTIMENT CLASSIFICATION / MACHINE LEARNING FOR SENTIMENT CLASSIFICATION
AUTOR(ES)
PEDRO OGURI
DATA DE PUBLICAÇÃO
2006
RESUMO
Sentiment Analysis é um problema de categorização de texto no qual deseja-se identificar opiniões favoráveis e desfavoráveis com relação a um tópico. Um exemplo destes tópicos de interesse são organizações e seus produtos. Neste problema, documentos são classificados pelo sentimento, conotação, atitudes e opiniões ao invés de se restringir aos fatos descritos neste. O principal desafio em Sentiment Classification é identificar como sentimentos são expressados em textos e se tais sentimentos indicam uma opinião positiva (favorável) ou negativa (desfavorável) com relação a um tópico. Devido ao crescente volume de dados disponível na Web, onde todos tendem a ser geradores de conteúdo e expressarem opiniões sobre os mais variados assuntos, técnicas de Aprendizado de Máquina vem se tornando cada vez mais atraentes. Nesta dissertação investigamos métodos de Aprendizado de Máquina para Sentiment Analysis. Apresentamos alguns modelos de representação de documentos como saco de palavras e N-grama. Testamos os classificadores SVM (Máquina de Vetores Suporte) e Naive Bayes com diferentes modelos de representação textual e comparamos seus desempenhos.
ASSUNTO(S)
support vector machines machine learning baysians classifiers text classification sentiment analysis classificadores baysianos support vector machines aprendizado de maquina sentiment analysis classificacao de textos
ACESSO AO ARTIGO
Documentos Relacionados
- Relevant feature selection and construction for machine learning.
- Machine learning in complex networks
- "Data pre-processing for supervised machine learning"
- Detecção autônoma de intrusões utilizando aprendizado de máquina
- APLICAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA PARA CLASSIFICAÇÃO DE DEPÓSITOS MINERAIS BASEADA EM MODELO TEOR-TONELAGEM