Classificação de sentimentos em avaliações de livros na Amazon

  • João Paulo Anibal Mondoni EEP
Palavras-chave: ai, nltk, ia, vader sentiment, ibm watson, python, naive bayes, opinion mining, sentiment analysis, emotional range, data science

Resumo

Ao longo dos anos, o volume de dados na web cresceu drasticamente, alavancando o uso de inteligência artifical (IA) para extração de informações. O processamento de linguagem natural, via IA, classifica em arquivos de fala ou texto, sentimentos em relação a um artefato ou entidade. Neste projeto foram utilizados dois classificadores da biblioteca NLTK e o Watson Tone Analyzer da IBM, em conjunto com um dataset composto por avaliações de oito livros na loja Amazon, determinando as opiniões positivas, neutras e negativas de cada produto sob a ótica de diferentes consumidores.

Referências

Bird, S., Loper, E., Klein, E. (2009) “Natural Language Processing with Python”, O’Reilly Media Inc., 1st edition.
Bowe, A. (2011) “Au Naturale: An Introduction to NLTK”. http://alexbowe.com/au-naturale/>.
Coppin, B. (2004) “Artificial intelligence illuminated”, Jones and Bartlett Publishers, 1st edition.
Feldman, R. (2013) “Techniques and Applications for Sentiment Analysis”. In Communications of the ACM 56, pages 82-89.
Hutto, C. J., Gilbert, E. E. (2014) “VADER: A Parsimonious Rule-based Model for Sentiment Analysis of Social Media Text”. Eight International Conference on Weblogs and Social Media (ICWSM-14).
Luger, G. F. (2013) “Inteligência Artificial”, Person Education do Brasil, 6th edition.
Perkins, J. (2010) “Python 3 Text Processing with NLTK 3 Cookbook”, Packt Publishing, 2nd edition.
Vygotsky, L. S. (2000) “A construção do pensamento e da linguagem”, Martins Fontes, 2000.
Poole, L. D., Macworth, K. A. (2010) “Artificial Intelligence: Foundantions of Computational Agents”, Cambridge University Press, 1st edition.
Pang, B., Lee, L. (2008) “Opinion mining and sentiment analysis” Foundations and Tends in Information Retrieval, pages 1-135.
Gonçalves, L. (2001) “Avaliação de ferramentas de mineração de dados como fonte de dados relevantes para a tomada de decisão” Universidade Federal do Rio Grande do Sul.
Gundecha, P. (2016) “IBM Watson just got more accurate at detecting emotions”. Disponível em https://www.ibm.com/blogs/bluemix/2016/10/watson-has-more-accurate-emotion-detection/. Último acesso: 19/04/2019.
Publicado
2019-08-29
Como Citar
ANIBAL MONDONI, J. Classificação de sentimentos em avaliações de livros na Amazon. Revista Brasileira em Tecnologia da Informação, v. 1, n. 1, p. 11-21, 29 ago. 2019.
Seção
Artigos