Autores

5629
2590,299
5630
2590,299

Informações:

Publicações do PESC

Título
Reconhecimento de Sentimento em Texto Abordado Através da Computaçõa Afetiva
Linha de pesquisa
Engenharia de Dados e Conhecimento
Tipo de publicação
Tese de Doutorado
Número de registro
Data da defesa
27/6/2014
Resumo
Essa tese propõe, implementa e avalia uma nova abordagem para a análise de sentimento em texto. Reconhecimento de sentimento é a expressão utilizada para referenciar essa abordagem, por entender que o processo de externalização de uma emoção sofre ruído ao ser modulado pelo autor em função do seu objetivo, do público-alvo e do canal de comunicação da mensagem. O reconhecimento de sentimento é resolvido, adaptando o canal de ruído proposto por Shannon para a transmissão de mensagens. Para isso são desenvolvidos dois modelos. Um consiste no linguístico emocional, que calcula a verossimilhança de um texto (diretamente observado) dado a emoção subjacente (oculta). O outro calcula a probabilidade a priori de um sentimento no texto, probabilidade computada de um corpus anotado. O sentimento resultante consiste no argumento da função de máximo, considerando três polaridades (positiva, negativa e neutra), entre a multiplicação das probabilidades dos dois modelos. Os resultados alcançados mostram a eficiência dessa abordagem enquanto apontam novos caminhos para sua evolução.
Abstract

This thesis proposes, implements and evaluates a new paradigm for sentiment analysis in text. Sentiment recognition is the phrase coined to reference it, because it considers that the externalization of an emotion is subject to noise, due to the author's objectives, target audience and communication venue to transmit the message. The sentiment recognition problem is solved by adapting the noisy channel proposed by Shannon for message communication.  To enable this goal two new models are proposed. One is the linguistic emotional model that computes the likelihood of an observed text, given its underlying emotion (hidden). The other one computes the a priori probability of a sentiment in an annotated corpus. The resulting sentiment is the argument of the maximum function, considering three possible polarities (positive, negative and neutral), that multiplies the probabilities from both models. The results achieved demonstrate the efficiency of this new approach while enumerating points of enhancement.

Topo