O projeto abaixo foi realizado como artigo final da aula de mestrado de Inteligência Artificial na UFABC, lecionada por Prof. Dr. Paulo Henrique Pisani. Confira o artigo completo aqui.
Este trabalho revisita e amplia o estudo feito por Aguiar et al. (2018) sobre a análise de sentimentos em tweets em português. O objetivo é encontrar o melhor algoritmo para identificar se um tweet é positivo ou negativo.
Para isso, usamos um conjunto de dados que foi rotulado manualmente e que contém 785.814 tweets no total, que está disponível no kaggle. Desses, 263.107 são classificados como positivos e 522.707 como negativos. No entanto, devido a limitações de hardware, estamos utilizando apenas cerca de 4.000 tweets para treinar os algoritmos: 2.000 tweets positivos e 2.000 negativos.
Neste trabalho, comparamos diferentes algoritmos de aprendizado de máquina para analisar sentimentos em tweets. Entre os algoritmos que testamos, o Naive Bayes se destacou como o melhor, mostrando os melhores resultados em termos de acurácia, precisão, recall, F1 Score e erro.
Apesar da expectativa de que o algoritmo de comitê (que combina vários modelos) teria um desempenho superior, como sugerido por Kumar e Ayyappan (2017) e Aguiar et al. (2018), isso não aconteceu. O motivo principal foi o alto erro do KNN, que afetou negativamente o desempenho geral do comitê.
Embora os resultados sejam bons no contexto deste estudo, é importante observar que a acurácia geral dos modelos ainda pode não ser suficiente para aplicações práticas em ambientes empresariais ou em outros projetos científicos, onde uma maior precisão é frequentemente necessária para obter resultados mais confiáveis.
Confira o código e os resultados.
AUGUSTO, P. Portuguese Tweets for Sentiment Analysis. Kaggle, 2024. Disponível em: https://www.kaggle.com/datasets/augustop/portuguese-tweets-for-sentiment-analysis?resource=download. Acesso em: 20 jul. 2024.