Training, transfer learning, implementation, validation and testing of models for summarization and sentiment analysis of conversational models.

• Grant number: 23/17393-7
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: March 01, 2024
• End date: February 28, 2025
• Field of knowledge: Physical Sciences and Mathematics - Computer Science
• Principal Investigator: Roseane Jamile Lopes Ramos
• Grantee: Dora Savoldi da Rocha Azevedo
• CNAE: Desenvolvimento e licenciamento de programas de computador customizáveis
• Associated research grant: 23/06335-6 - Match<IT>: data efficiency and intelligence connecting B2B IT services supply and demand, AP.PIPE

Abstract

O principal objetivo da análise de sentimentos é definir técnicas automáticas capazes de extrair informações subjetivas de textos em linguagem natural, como opiniões e sentimentos, a fim de criar conhecimento estruturado que possa ser utilizado por um sistema de apoio ou tomador de decisão [1]. De acordo com [2] a análise de sentimento (ou mineração de opinião) é definida como a tarefa de encontrar as opiniões dos autores sobre entidades específicas. O processo de tomada de decisão das pessoas é afetado pelas opiniões formadas por líderes de pensamento e pessoas comuns. Quando uma pessoa deseja comprar um produto on-line, geralmente começa pesquisando críticas e opiniões escritas por outras pessoas sobre as várias ofertas. Diversas mensagens expressam opiniões sobre eventos, produtos e serviços, opiniões políticas ou mesmo sobre o estado emocional e humor de seus autores, [3]. Ainda de acordo com [3], a análise de sentimento tem sido utilizada em diversas aplicações, incluindo análise da repercussão de eventos em redes sociais, análise de opiniões sobre produtos e serviços e simplesmente para entender melhor aspectos da comunicação social em Redes Sociais Online (RSS). Existem vários métodos para medir sentimentos, incluindo abordagens baseadas em léxico e métodos de aprendizado de máquina supervisionados, [3]. A pesquisa a ser desenvolvida pelo bolsista inclui a investigação e estudos dos métodos atualmente propostos sobre análise de sentimentos, incluindo o processo de vetorização de palavras chave, implementação de resultados sobre a análise obtida e a Implementação de resultados de modelos conversacionais.[1] Fabrício Benevenuto, Filipe Ribeiro, Matheus Araújo. Métodos para Análise de Sentimentos em mídias sociais. https://homepages.dcc.ufmg.br/~fabricio/download/webmedia-short-course.pdf[2] Feldman, R. (2013). Techniques and Applications for Sentiment Analysis. Communications of the ACM, 56, 82--89. doi: 10.1145/2436256.2436274[3] Pollyanna Gonçalves, Matheus Araújo, Fabrício Benevenuto, Meeyoung Cha. Comparing and Combining Sentiment Analysis Methods. Proceedings of the first ACM conference on Online social networks (2013) 27-38 Subjects: Computation and Language (cs.CL) Cite as:arXiv:1406.0032 [cs.CL]