Aplicação de programação genética na análise de sentimentos

Página do item simplificado
dc.contributor.advisor-co1Camilo Junior, Celso Gonçalves
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/6776569904919279eng
dc.contributor.advisor1Silva, Nádia Félix Felipe da
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7864834001694765eng
dc.contributor.referee1Silva, Nádia Félix Felipe da
dc.contributor.referee2Camilo Junior, Celso Gonçalves
dc.contributor.referee3Rosa, Thierson Couto
dc.contributor.referee4Covões, Thiago Ferreira
dc.contributor.referee5Fernandes, Deborah Silva Alves
dc.creatorBordin Junior, Airton
dc.creator.Latteshttp://lattes.cnpq.br/5718967602727513eng
dc.date.accessioned2019-01-09T11:18:52Z
dc.date.issued2018-12-14
dc.description.abstractThe Web is commonly used as a platform for debates, opinions, evaluations, etc. These data allowed the area of Sentiment Analysis (SA) to develop to extract information and knowledge that can be used in different applications. Among the challenges of SA we can highlight the creation of classifiers with good efficacy. Typically, the classification models are generated using specific heuristics, manually defined and not adaptable to different contexts. Thus, this work proposes the automated generation of hybrid SA classifiers - with Machine Learning (ML) techniques and lexical dictionaries - using Genetic Programming (GP). It is expected to reduce the cost of generating the classifiers and increase the predictive power for each domain analyzed. The goal is that these classifiers will be competitive with the classical ML algorithms used in SA, generalizable, adaptable to the context and able to determine the relevance of each lexical to the applied domain. In addition, the aim is allow to aggregate other ML techniques to create even more effective hybrid solutions. In order to validate the proposal, SemEval 2014 benchmark was used. The results show that the approach with GP is promising since the generated models are competitive, and sometimes better, with other researches. The ensemble proved to be effective in increasing the predictive power of the system, obtaining better results than the use of the techniques individually. Finally, we highlight the ability of models customization according to the context approached and the possibility of knowledge transfer of the users through the functions used by GP.eng
dc.description.provenanceSubmitted by Ana Caroline Costa (ana_caroline212@hotmail.com) on 2019-01-08T17:57:49Z No. of bitstreams: 2 Dissertação - Airton Bordin Junior - 2018.pdf: 1915483 bytes, checksum: ce3cc567ea43be5719b609ec785f5200 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2019-01-09T11:18:52Z (GMT) No. of bitstreams: 2 Dissertação - Airton Bordin Junior - 2018.pdf: 1915483 bytes, checksum: ce3cc567ea43be5719b609ec785f5200 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceMade available in DSpace on 2019-01-09T11:18:52Z (GMT). No. of bitstreams: 2 Dissertação - Airton Bordin Junior - 2018.pdf: 1915483 bytes, checksum: ce3cc567ea43be5719b609ec785f5200 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-12-14eng
dc.description.resumoA Web é comumente utilizada como plataforma para debates, opiniões, avaliações, etc. Esses dados permitiram que a área de Análise de Sentimentos (AS) se desenvolvesse para extrair informações e conhecimentos que possam ser utilizados em diferentes aplicações. Entre os desafios da AS, destacam-se a criação de classificadores com boa eficácia. Normalmente, os modelos de classificação gerados são heurísticas específicas, manualmente definidas e pouco adaptáveis a diferentes contextos. Assim, o presente trabalho propõe a geração automatizada de classificadores de sentimentos híbridos – utilizando técnicas de Aprendizado de Máquina (AM) e dicionários léxicos – com o uso da Programação Genética (PG). Com isso, espera-se reduzir o custo de geração dos classificadores e aumentar o poder de predição para cada domínio analisado. A intenção é que esses classificadores sejam competitivos com os algoritmos clássicos empregados na área de AS, generalizáveis, adaptáveis ao contexto e capazes de determinar a relevância de cada um dos dicionários léxicos ao domínio aplicado. Além disso, a ideia é que seja possível a agregação de outras técnicas de AM para a geração de soluções híbridas ainda mais eficazes. Para validar a proposta, foi utilizado o benchmark SemEval 2014 e os resultados mostram que a abordagem de geração automatizada com a PG é promissora, pois os modelos gerados são competitivos e, algumas vezes, superiores aos de outros trabalhos da literatura. A combinação dos classificadores em um comitê mostrou-se eficaz ao aumento do poder de predição do sistema, obtendo resultados superiores à utilização das técnicas individualmente. Por fim, destaca-se a capacidade de customização dos modelos de acordo com o contexto abordado e a possibilidade de transferência de conhecimento dos usuários por meio das funções utilizadas pela PG.eng
dc.description.sponsorshipConselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPqeng
dc.formatapplication/pdf*
dc.identifier.citationBORDIN JUNIOR, A. Aplicação de programação genética na análise de sentimentos. 2018. 142 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2018.eng
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/9211
dc.languageporeng
dc.publisherUniversidade Federal de Goiáseng
dc.publisher.countryBrasileng
dc.publisher.departmentInstituto de Informática - INF (RG)eng
dc.publisher.initialsUFGeng
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)eng
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectAnálise de sentimentospor
dc.subjectMineração de opiniõespor
dc.subjectProgramação genéticapor
dc.subjectClassificadorespor
dc.subjectSentiment analysiseng
dc.subjectOpinion miningeng
dc.subjectGenetic programmingeng
dc.subjectClassifierseng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOeng
dc.titleAplicação de programação genética na análise de sentimentoseng
dc.title.alternativeApplying genetic programming to sentiment analysiseng
dc.typeDissertaçãoeng

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Airton Bordin Junior - 2018.pdf
Tamanho:
1.83 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.11 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Ciência da Computação (INF)