Uma revisão sistemática da literatura sobre a utilização de algoritmos de Machine Learning para realização de análise de sentimentos
Palavras-chave:
Análise de Sentimentos;, Machine Learning; , NLP.Resumo
A análise de sentimentos é uma técnica que visa mensurar comentários e notícias por meio de inteligência artificial, é crescente a popularização da área de machine learning a fim da realização dessa análise. O objetivo deste trabalho é investigar e mapear qual é a linguagem mais utilizada no ramo de machine learning, bem como quais algoritmos de NLP são mais utilizados para aplicação da análise de sentimento, e também encontrar qual algoritmo possui maior acurácia nesta aplicação. Como metodologia, foi elaborada uma Revisão Sistemática de Literatura - RSL, onde foram analisados 22 artigos das fontes: Google Scholar e Scielo. Tais estudos foram selecionados com base em critérios de inclusão e exclusão e também via String de busca. Foi observado que a linguagem mais utilizada é Python, já os algoritmos mais utilizados são Naive Bayes, Máquinas de Vetores de Suporte (SVM), Floresta aleatória (Random Forest) e Regressão Logística. Dentre eles, o algoritmo que apresentou maior acurácia ficou sob contexto entre SVM e Random Forest.
Referências
ALPAYDIN, E. Introduction to Machine Learning. MIT Press, 2010. Disponível em: <http://nuir.nkumbauniversity.ac.ug/xmlui/bitstream/handle/20.500.12383/1421/Introduction%20to%20Machine%20Learning,%20Second%20Edition%20(Adaptive%20Computation%20and%20Machine%20Learning)%20(%20PDFDrive%20).pdf?sequence=1>. Acesso em: 19/05/2023.
FREITAS, Cláudia. Sobre a construção de um léxico da afetividade para o processamento computacional do português. Revista Brasileira de Linguística Aplicada, Rio de Janeiro, v. 13, n. 4, p. 1031-1059, dez. 2013. Disponível em: <https://doi.org/10.1590/S1984-63982013005000024>. Acesso em: 19/05/2023.
KAUR, J.; SEHRA, S. S.; SEHRA, S. K. A systematic literature review of sentiment analysis techniques. International Journal of Computer Sciences and Engineering, v. 5, n. 4, p. 22-28, 2017.
KITCHENHAM, B.; CHARTERS, S. Guidelines for performing systematic literature reviews in software engineering. In: Technical report, Ver. 2.3 EBSE TechnicalReport EBSE. [S.l.]: Epidemiol. Serv. Saúde, 2007.
MÄNTYLÄ, Mika; GRAZIOTIN, Daniel; KUUTILA, Miikka. The evolution of sentiment analysis—A review of research topics, venues, and top cited papers. Computer Science Review, v. 27, p. 16-32. fev. 2018. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S1574013717300606>. Acesso em: 21/05/2023.
PANG, Bo; LEE, Lillian. Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, v. 2, n. 1-2, p. 1-135, jul. 2008. Disponível em: <https://www.nowpublishers.com/article/Details/INR-011>. Acesso em: 19/05/2023.
VOM BROCKE, J. et al. Reconstructing the giant: On the importance of rigour in documenting the literature search process. In: Proceedings of the 17th European Conference on Information Systems, 2009, Verona. Anais eletrônicos [...] Verona, 2009, p. 1-13. Disponível em: <https://www.researchgate.net/publication/259440652_Reconstructing_the_Giant_On_the_Importance_of_Rigour_in_Documenting_the_Literature_Search_Process>. Acesso em: 25/05/2023.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Revista Brasileira em Tecnologia da Informação
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
A Revista Brasileira em Tecnologia da Informação utiliza a licença do Creative Commons (CC), preservando assim, a integridade dos artigos em ambiente de acesso aberto.
