Inferência automática da carga afetiva em postagens de redes sociais

• Processo: 21/07067-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2021
• Data de Término da vigência: 31 de dezembro de 2022
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Helena de Medeiros Caseli
• Beneficiário: Fernanda Malheiros Assi
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 22/02472-6 - Desenvolvimento de um módulo de inferência da carga afetiva para tweets na política, BE.EP.IC
• Assunto(s): Mídias sociais Processamento de linguagem natural Processamento de texto Inferência Análise de sentimentos Análise de séries temporais Modelagem computacional
• Palavra(s)-Chave do Pesquisador: Análise de Sentimentos | Processamento de Linguagem Natural | Séries Temporais | Processamento de Linguagem Natural (PLN)

Resumo

As redes sociais vêm se tornando, cada vez mais, um espaço onde as pessoas compartilham suas opiniões, sentimentos e percepções sobre diversos assuntos, tanto pessoais quanto culturais e políticos. Neste contexto, diversos trabalhos de processamento de língua natural (PLN) têm focado no processamento de textos em mídias sociais para, entre outros, prever ideologias políticas, transtornos de personalidade e saúde mental. Contudo, a maioria destas pesquisas focam na detecção de polaridade (valência) ou sentimentos entre-documentos ou entre-usuários, e não através do tempo. Sendo assim, este projeto visa criar um modelo computacional capaz de medir a carga afetiva através do tempo, em postagens de redes sociais, atreladas a um tópico ou evento específico por meio de séries temporais de domínios emocionais. A valência e a excitação média estimadas a partir de postagens realizadas em uma mesma janela curta de tempo representarão uma observação dessa série temporal, que descreve a variação da carga afetiva no espaço de Scherer. Para a previsão de carga afetiva, pretende-se utilizar como base a arquitetura do modelo LSTM e células GRU, visto que nos últimos anos elas têm se mostrado promissoras com sua capacidade de modelar dependências de longo prazo. (AU)