LEGi

Abstract

The value of subjective content available in Social Media has boosted the importance of Sentiment Analysis on this kind of scenario. However, performing Sentiment Analysis on Social Media is a challenging task, since the huge volume of short textual posts and high dynamicity inherent to it pose strict requirements of efficiency and scalability. Despite all efforts, the literature still lacks proposals that address both requirements. In this sense, we propose LEGi, a corpus-based method for consolidating context-aware sentiment lexicons. It is based on a semi-supervised strategy for propagation of lexicon-semantic classes on a transition graph of terms. Empirical analyses on two distinct domains, derived from Twitter, demonstrate that LEGi outperformed four wellestablished methods for lexicon consolidation. Further, we found that LEGi's lexicons may improve the quality of the sentiment analysis performed by a traditional method in the literature. Thus, our results point out LEGi as a promising method for consolidating lexicons in high demanding scenarios, such as Social Media.

Avaliação Automática de Conteúdo de Aplicações de Reclamação Online

“…Nos trabalhos de [Rocha et al 2015;Sá et al 2014;Gilbert 2014] são propostos métodos baseados em modelos léxicos para análise de sentimentos em textos. O artigo de [Rocha et al 2015] propõe um método para análise de sentimento em texto utilizando uma técnica não-supervisionada que consegue extrair de grande volume de dados o sentimento coletivo sem realizar classificações individuais utilizando-se de um grafo probabilístico.…”

“…O artigo de [Rocha et al 2015] propõe um método para análise de sentimento em texto utilizando uma técnica não-supervisionada que consegue extrair de grande volume de dados o sentimento coletivo sem realizar classificações individuais utilizando-se de um grafo probabilístico. Já o estudo de [Sá et al 2014], propõe um léxico que trabalha através de um método semi-supervisionado ciente de contexto assumindo que existem diferentes classes de palavras que possuem diferentes comportamentos no significado de uma frase. A produção [Gilbert 2014] propõe um léxico para análise de sentimentos baseado em regras de outros métodos que trabalham sob o mesmo problema, sendo este considerado estado da arte nesta área de estudo.…”