Author(s):
Corrêa, Ulisses Brisolara
Date: 2021
Origin: Oasisbr
Subject(s): CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Computação; Análise de sentimento baseada em aspectos; Mineração de opinião; Aprendizado profundo; Redes neurais convolucionais em nível de caractere; Aspect-based sentiment analysis; Opinion mining; Deep learning; Char Level convolutional neural networks; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Computação; Computação; Análise de sentimento baseada em aspectos; Análise de sentimento baseada em aspectos; Mineração de opinião; Mineração de opinião; Aprendizado profundo; Aprendizado profundo; Redes neurais convolucionais em nível de caractere; Redes neurais convolucionais em nível de caractere; Aspect-based sentiment analysis; Aspect-based sentiment analysis; Opinion mining; Opinion mining; Deep learning; Deep learning; Char Level convolutional neural networks; Char Level convolutional neural networks
Description
Submitted by Aline Batista (alinehb.ufpel@gmail.com) on 2021-05-04T12:27:07Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Ulisses_Brisolara_Corrêa.pdf: 6410241 bytes, checksum: 168fad9bf306f08a331965f818223f79 (MD5)
Approved for entry into archive by Aline Batista (alinehb.ufpel@gmail.com) on 2021-05-04T22:34:09Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Ulisses_Brisolara_Corrêa.pdf: 6410241 bytes, checksum: 168fad9bf306f08a331965f818223f79 (MD5)
Made available in DSpace on 2021-05-04T22:34:09Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Ulisses_Brisolara_Corrêa.pdf: 6410241 bytes, checksum: 168fad9bf306f08a331965f818223f79 (MD5) Previous issue date: 2021-03-22
Sem bolsa
Uma grande quantidade de textos opinativos se tornou disponível publicamente com o aumento do acesso à Internet e a popularização de sistemas onde o usuário é coautor do conteúdo. Nesses textos, pode-se encontrar muitas informações valiosas, tanto para indivíduos quanto para entidades (privadas ou governamentais). No entanto, dado o grande volume de dados disponíveis, extrair informações relevantes destas fontes pode ser um desafio. A Análise de Sentimento é a área da Ciência da Computação focada em extrair de documentos os sentimentos expressos por indivíduos com relação às entidades, por exemplo, produtos ou serviços. Entretanto, embora a área venha crescendo ano a ano, há reconhecida carência de trabalhos focados na Língua Portuguesa. Quanto mais complexas as tarefas, mais difícil é encontrar soluções para o português. A Análise de Sentimento em Nível de Aspectos é uma dessas tarefas complexas, lidando com um tipo específico de análise de sentimento abordagem que realiza análises de sentimentos expressos em um nível bastante específico, buscando explicar quais aspectos (partes ou propriedades) das entidades estão despertando o sentimento descrito no texto. Este trabalho colabora para suprir essa deficiência. Neste trabalho criamos um corpus de reviews de hotéis anotados em nível de aspectos e o utilizamos para criar uma solução para o problema de Análise de Sentimento em Nível de Aspectos em textos escritos em Língua Portuguesa usando Redes Neurais Convolucionais com entradas em Nível de Caractere. Em nossos experimentos, os resultados obtidos por nossas abordagens demonstram que o método proposto possui desempenho superior aos do método estado da arte para a Língua Portuguesa, baseado em léxicos de sentimento. Também comparamos nossos resultados com um método do estado da arte para a Língua Inglesa, baseado em LSTM com mecanismos de atenção.
he increase in Internet access and the popularization of User Generated Content systems make a large number of opinionated texts became publicly available. Lots of valuable information can be found in this kind of text. Individuals and entities (private or governmental) can take advantage of that information. However, it is a lot of data to be manually processed, extracting relevant information from these sources is challenging. Sentiment Analysis is the Computer Science area focused on extracting people‘s opinions towards entities, like companies or products. However, despite the growth of this area year by year, there is a recognized lack of works developed for Portuguese. This work aims to help fill this gap. We propose an approach using Character Level Convolutional Neural Networks to solve Aspect Based Sentiment Analysis (ABSA) tasks in Portuguese texts. ABSA is a type of approach that analyzes sentiment expressed at a very specific level, seeking to explain which parts or properties (aspects) of the entities are arousing the sentiment presented in the text. In this work, we created a corpus of hotel reviews with aspect-level annotations. Based on this corpus, we developed a new approach for ABSA. Obtained results demonstrate that the proposed method has superior performance than the state-of-the-art method for Portuguese. We also compared our results with an attention-based LSTM method, with state-of-the-art performance for English.
