Mineração de Opiniões e Análise de Sentimentos

Mineração de opiniões e análise de

sentimentosPesquisa, desafios e aplicações

Quem vos fala?O Blogueiro nas (raríssimas) horas

vagas;O Acesse: blogdomaome.blogspot.com =D

O Jogador de poker às quintas-feiras;O Fanático por boa música, bons livros

e (muita) tecnologia!

Quem vos fala?O Sofredor Gosto de programação e

engenharia de software;O Trabalho como desenvolvedor de

software na Total Informática;

Quem vos fala?O Engenheiro de Computação pela

UEFS (2005.1);O SIECOMP 1 e 3 como palestrante

(Ergonomia) e 2 como ouvinte;

Quem vos fala?O Aluno regular do Mestrado em Ciências da

Computação pela UFBA/UEFS;O Orientador: Prof. Dr. Angelo LoulaO Co – orientador: Prof. Dr. Matheus Pires

O Minha área de pesquisa: Mineração de opiniões e análise de sentimentos e “outras cositas más”

Como eu vim parar aqui?

PROBLEMAS

614

AgendaO Introdução

O Por que saber a opinião de outras pessoas?

O HistóricoO Terminologias

O O problema de analisar sentimentosO Definições;O Tipos de opiniões;O Subjetividade e emoções;

AgendaO Intervalo para um pequeno lanche

AgendaO O que está envolvido em mineração

de opiniões e análise de sentimentos?O Document Sentiment ClassificationO Sentence Subjectivity and Sentiment

ClassificationO Aplicações;O Sessão final de perguntas;

Primeiro, as primeiras coisas:





Por que saber a opinião de outras pessoas?

O Em qual candidato votarO Qual carro comprarO Qual filme assistirO Qual livro comprarO Sobre a futura empresa a se

candidatar a uma vaga

O Tudo isso, muito antes da Web


O Com a Web, temosO Mais informações a serem

consultadas;O Opiniões especializadas e não

especializadas;


O Segundo uma pesquisa feita pelo grupo Kelsey [6] e por Horrigan [7]:O 81% dos usuários de internet já fizeram

alguma pesquisa online sobre algum produto;

O Entre 73% e 87% dos usuários dizem que uma crítica/análise/revisão influenciaram na compra de um produto;

O 20% a 99% dos consumidores estão dispostos a pagar mais por um produto 5 estrelas em vez de um 4 estrelas.


O Informações políticas;O Segundo Horrigan [8], 31% dos

americanos eram usuários de internet nas eleições de 2006;

O O mesmo Horrigan [7], relata que a maioria dos usuários tiveram positivas experiências na pesquisa em produtos e nas eleições.





Um breve históricoO 2001 foi o marco para as pesquisas;O Os principais fatores para o

aumento das pesquisas foram:O Advento de métodos de aprendizado

de máquinas;O Disponibilidade de datasets para o

treino/aprendizado dos algoritmos;O Oportunidades de mercado que a

área oferece;

Um breve histórico





TerminologiaO Como é um campo novo de estudo,

não há uma terminologia definidaO São diferentes os termos utilizados:

O Opinion MiningO Sentiment/Subjectivity AnalysisO Review MiningO Appraisal extraction O Affective Computing

OK, mas…… O QUE É MINERAÇÃO DE OPINIÃO?

O que é mineração de opinião?

O É o campo de estudo que analisa as opiniões, sentimentos, avaliações, atitudes e emoções de pessoas direcionadas a produtos, serviços, organizações, indivíduos, problemas, eventos, tópicos e seus atributos. [3]

O que é mineração de opinião?

O É o campo de estudo que analisa as opiniões de pessoas direcionadas a entidades.

O(s) problema(s) de analisar sentimentos

• Desafios e definições básicas;• Tipos de opiniões;• Subjetividade e emoções;



Desafios básicosO Opiniões e sentimentos são

subjetivos;O Diferentes fontes e variados

formatos;

O 140 caracteres;O Linguagem informal, gírias e

emoticons;

Desafios básicos

SUP?

}:-):P

Desafios básicos

O que é uma opinião?


O Primeira definição:

O Uma opinião é uma composição de: um alvo

“g” e um sentimento “s”, positivo, negativo

ou neutro

O O = (g , s)

O Quem é “g” ou o alvo?

O "produtos, serviços, organizações, indivíduos,

problemas, eventos, tópicos e seus atributos"

Exemplo

Fragmento retirado de [3]

Exemplo


• O alvo da opinião da sentença (2) é a Canon G12 e o sentimento é positivo;

• O alvo da opinião sentença (3) é a qualidade da imagem da Canon G12 e o sentimento é positivo;

Exemplo



O Segunda definição:

O Uma opinião é uma composição de:

um alvo “g”, um sentimento “s”, um

titular da opinião “h” e o tempo “t” em

que a opinião foi expressa;

O O = (g, s) -> O = (g, s, h, t)

O Pode piorar, mas paremos por aqui!

Exemplo


• O = (g, s, h, t)• (Canon G12, positivo, john_smith, sep-10-2011)• (Canon G12_picture_quality, positivo, john_smith,

sep-10-2011)• (Canon G12_batery_life, positivo, john_smith, sep-

10-2011)• (Canon G12_weigh, negativo, john_smith_wife,

sep-10-2011)



Tipos de opiniõesO Regular ou comparativas;O Explícitas ou implícitas;

Tipos de opiniõesO Regular: uma opinião comum

O Direta: é uma opinião que expressa diretamente um sentimento a um alvoO “A qualidade da imagem é ótima”O “A direção do filme é muito boa”

Tipos de opiniõesO Regular: uma opinião comum

O Indireta: é uma opinião que expressa indiretamente um sentimento para um alvoO “Após a injeção, minhas pernas

começaram a doer”O “Assim que o serviço foi feito, o carro

começou a dar defeito”

O Boa parte da pesquisa realizada em mineração de opinião foca em opiniões DIRETAS!

Tipos de opiniões

Tipos de opiniõesO Opinião comparativa: expressa uma

relação de similaridade ou diferença entre dois ou mais alvos;

Opinião comparativa

“Coke tastes better than Pepsi”

Opinião comparativa

O iOS é o melhor SO mobile

Tipos de opiniãoO Opinião explícita é uma opinião

regular direta ou comparativa:

“Coke tastes better than Pepsi”

“A qualidade da imagem é ótima”

Tipos de opiniãoO Opinião implícita é uma opinião

regular indireta ou comparativa:

“O tempo de bateria do Nokia é maior que o do

Sansumg"

"O iOS é o melhor SO mobile”

O Boa parte da pesquisa realizada em mineração de opinião foca em opiniões EXPLÍCITAS!

Tipos de opiniões

Subjetividade e emoções

O SubjetividadeO Uma sentença subjetiva expressa

sentimentos pessoais, enquanto que uma sentença objetiva apresenta fatos;

O Por que saber se uma sentença é subjetiva ou objetiva?


O EmoçõesO São sentimentos e pensamentos [3];O Emoções primárias: amor, alegria,

surpresa, raiva, tristeza, medo [2];O Cada emoção tem uma intensidade

diferente;O A força de um sentimento

identificado está diretamente relacionada a uma emoção;

O Como emoções podem ajudar?

Subjetividade e emoções: aplicação

Predição dos índices da bolsa Dow Jones com o sentimento geral do Twitter!


Figura retirada de [9]


Figura retirada de [9]

ResumindoO Vimos os desafios fundamentais da

área; O Vimos conceitos de opinião e

diferentes tipos;O Vimos também os conceitos de

subjetividade e emoções e porque são úteis;

O Mas é importante frisar:O Todos os conceitos da área ainda não

estão bem definidos;

Classificação de sentimentos em nível de documento

• Definições;• Problemas de domínio;• Problemas de idiomas;



Classificação de sentimentos em nível de documento é:

O Determinar o sentimento geral de um documento como positivo ou negativo;

O Esse documento pode ser um texto, uma postagem, um tweet, uma crítica de produto, dentre outros.

O Formalizando (e relembrando):O O = (g, s, h, t)O O = (GERAL, s, __, __)

O Mas…

HipóteseO O documento somente possui

opiniões direcionada para somente um alvo [3];

O É uma boa hipótese para:O Críticas de produtos e serviços;

O Não é uma boa hitótese para:O Forúns;O Blogs;


O Não existe bala de prata!O Incontáveis abordagens para

classificar sentimentos; O Algumas técnicas recorrentes [3]:

O Parte do discurso (Part of speech – POS);

O Palavras e frase de sentimentos;

Parte do discussoO Adjetivos são importantes

indicadores de opiniões;O Advérbios são intensificadores de

adjetivos;

O “O iPhone tem um bom acabamento, mas a inovação da empresa está muito ruim. Mas ela não desistirá.”


indicadores de opiniões;O Adverbios são intensificadores de

adjetivos;


Adjetivos


indicadores de opiniões;O Adverbios são intensificadores de

adjetivos;


Sentença objetiva

Adjetivos

Advérbio

Palavras e frase de sentimentos

O Identificadas as sentenças com opiniões, utiliza-se um dicionário de sentimentos;


Sentença objetiva

Adjetivos

Advérbio



Problemas de domínioO Análise de sentimentos é sensível

ao domínio estudado;O Exemplos de domínios:

O Livros;O Filmes;O Política;O etc.

Problemas de domínio

“Go read the book”Opinião positiva ou negativa?

Problemas de domínio

“Go read the book”Opinião positiva ou negativa?



Problemas de idiomasO Análise de sentimentos é sensível ao idioma

de estudo;O Analise a orientação semântica do seguinte

documento:O “Volvo has the best cars ever made”

O Agora, analise isso:

O Volvo possède les meilleures voitures jamais réalisés;

O 沃尔沃有史以来最好的车

ResumindoO Vimos do que se trata a análise de

sentimentos em nível de documentoO Vimos os principais problemas

envolvidos e algumas técnicas para solucioná-los;

ResumindoO Contudo, extrair opiniões e analisar

sentimentos de um documento inteiro possui falhas:O O sentimento geral não é detalhado;O Blogs e forúns não podem ser

analisados corretamente;

Classificação de sentimentos em nível de sentenças

• Subjetividade de sentenças;• Classificação de sentenças;• Sentenças condicionais;• Sarcasmo;• Problemas de idiomas.


O Não há diferença fundamental entre este nível e o anterior;

O Problema (a ser resolvido):O Dada uma sentença, determinar se

esta expressa um sentimento positivo, negativo, neutro ou não expressa opinião [3];

O É importante saber se uma sentença é subjetiva ou não;



Subjetividade de sentenças

O Classifica uma sentença em duas classes: subjetiva ou objetiva [4];O Sentença objetiva: expressa fatos;O Sentença subjetiva: expressa

opiniões;O Mas nem sempre é assim!

Subjetividade de sentenças

O Wiebe [4] classifica sentenças buscando a presença de pronomes, adjetivos, números cardinais, advérbios.

O “O iPhone tem um bom acabamento, mas a inovação da empresa é está muito ruim. Mas ela não desistirá.”

Lembrando: Não há bala de prata!

Sentença objetiva

Adjetivos

Advérbio



Classificação de sentenças

O Hipótese: Uma sentença expressa um único sentimento para um único alvo;


O Hu e Liu [9] utilizaram um dicionário de sentimentos (Wordnet) para classficar sentenças;O Soma a pontuação semântica dos

sentimentosO +1 para um sentimento positivoO -1 para um sentimento negativo


O Para o exemplo anterior, temos:

O “O iPhone tem um bom acabamento, mas a inovação da empresa é está muito ruim. Mas ela não desistirá.”O +1 para “bom”;O -1 para “ruim”O Resultado: sentença neutra.


O Kim e Hovy [10, 11, 12] utilizaram uma abordagem similar a de Hu e Liu [9]:O Multiplica a pontuação semântica

dos sentimentosO +1 para um sentimento positivoO -1 para um sentimento negativo


O Para o exemplo anterior com a técnica de [10,11,12], temos:

O “O iPhone tem um bom acabamento, mas a inovação da empresa é está muito ruim. Mas ela não desistirá.”O +1 para “bom”;O -1 para “ruim”O Resultado: sentença negativa.



Sentenças condicionaisO Um problema difícil!O Segundo Narayanan [5], não existe

bala de prata (ele quase disse nessas palavras)!

O Uma sentença condicional descreve uma implicação ou situação hipotética e suas consequências: causa e efeito [3];

O Exceto por [5], não há muitos trabalhos que tenham investigado esse problema.

Sentenças perguntas (bônus)

O Como identificar opiniões em perguntas?

O Exemplo:O “Alguém pode me dizer como

consertar esse lento celular Nokia? “O Até o presente momento da

pesquisa, não foram encontrados trabalhos nesse campo!



SarcasmoO Você achou que sentenças

condicionais e sentenças-pergunta eram difíceis? O Sarcasmo é mais fácil ainda! ;)

O Poucos trabalhos na área;O Identificam sarcasmo, mas não

classificam sentimentos;



Problemas de idiomasO Problema correlato ao de

classificação de sentimentos em nível de documento;O “Volvo has the best cars ever made”O 沃尔沃有史以来最好的车

Problemas de idiomasO Estratégias [3]:

O Traduzir sentenças de teste do idioma alvo para o idioma fonte e daí classifica-las;


O Traduzir sentenças de teste do idioma fonte para o idioma alvo e daí classifica-las;


O Traduzir um dicionário de sentimentos do idioma fonte para idioma alvo e construir um classificador novo;

ResumindoO Para classificar sentenças é preciso:

O Saber se são objetivas ou subjetivas;O Assumir que uma sentença tenha um

único sentimento para um único alvo;O Classificar o sentimento de uma

sentença como positivo, negativo, neutro ou sem opinião;

O Sentenças condicionais são difíceis. Sentenças-pergunta, mais ainda!

O E o sarcasmo então?

Mas e se me aparece isso?

O “Tente o Chrome, pois o Firefox vive travando”

Ou isso?O “Câmeras Leica tem boas lentes.

Ótimo obturador. Péssimos preços.”

Isso é assunto para outra história.

Aplicações

AplicaçõesO Sites de análises/críticas e

relacionados (Review-Related Websites)

O Subcomponente (Sub-Component Technology)

O Inteligência Empresarial e Governamental (Business and Government Intelligence)

Aplicações sobre sites de análises/críticas

O Pró-ativamente reunir informações sobreO Análises de produtosO Opiniões sobre candidatosO Problemas políticos

O Resumir (sumarize) análises de usuários sobre os tópicos acima (e outros mais) Positivo

NegativoNeutro

Aplicações em inteligência empresarial e governamental,

O “Por que os consumidores não estão comprando nosso laptop?”O Extração de opiniões de documentos

não estruturados (blogs, redes sociais)

O Predição de vendas [13]O Monitoramento de comunicação

hostil ou negativa [14]

Aplicações sobre diferentes domínios

O O que pensam os eleitores [15]O eRulemaking [16]O Blawgs [17]

Para brincar e conhecer

Ferramentas, apps, bibliotecas sobre mineração de opinião e análise de sentimentos

JavaO SentiStrength [18]O SentiWordNet [19]

O Não é em Java, mas tem uma classe pronta para aproximar sentimentos;

O LingPipe [20]

PythonO Natural Language Toolkit (NLTK) [21]O Pattern [22]

Serviços WebO Sentiment140 [23]O TweetFeel [24]O ChatterBox [25]O Topsy [26]O Opinion Crawl [27]

Android / iOS / Windows Phone

O Stocks Sentiment [28];O Triposo [29];O Twelect [30]; O Apptrace [31];

ReferênciasO [1] B. Pang, “Opinion Mining and Sentiment Analysis,” Foundations and Trends® in

Information Retrieval, vol. 1, no. 2, pp. 91–231, 2008.O [2] Parrott, W. Gerrod. Emotions insocial psychology: Essentialreadings2001: Psychology

Pr.O [3] Liu, Bing. Sentiment Analysis and Subjectivity, in Handbook of Natural Language

Processing, Second Edition, N. Indurkhya and F.J. Damerau, Editors. 2010O [4] Wiebe, Janyce, Rebecca F. Bruce, and Thomas P. O'Hara. Development and use of a

gold-standard data set for subjectivity classifications. in Proceedings of the Association for Computational Linguistics (ACL-1999). 1999

O [5] Narayanan, Ramanathan, Bing Liu, and Alok Choudhary. Sentiment analysis of conditional sentences. in Proceedings of Conference on Empirical Methods in Natural Language Processing (EMNLP-2009). 2009

O [6] comScore/the Kelsey group, “Online consumer-generated reviews have sig- nificant impact on offline purchase behavior,” Press Release, http://www. comscore.com/press/release.asp?press=1928, November 2007

O [7] J. A. Horrigan, “Online shopping,” Pew Internet & American Life Project Report, 2008.O [8] L. Rainie and J. Horrigan, “Election 2006 online,” Pew Internet & American Life Project

Report, January 2007.

ReferênciasO [9] Hu, Minqing and Bing Liu. Mining and summarizing customer reviews. in

Proceedings of ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD-2004). 2004.

O [10] Kim, Soo-Min and Eduard Hovy. Crystal: Analyzing predictive opinions on the web. in Proceedings of the Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning (EMNLP/CoNLL-2007).

O [11] 2007.150. Kim, Soo-Min and Eduard Hovy. Determining the sentiment of opinions. in Proceedings ofInterntional Conference on Computational Linguistics (COLING-2004).

O [12] 2004.151. Kim, Soo-Min and Eduard Hovy. Extracting opinions, opinion holders, and topics expressed in online news media text. in Proceedings of the Conference on Empirical Methods in Natural Language Processing (EMNLP-2006). 2006.

O [13] G. Mishne and N. Glance, “Predicting movie sales from blogger sentiment,” in AAAI Symposium on Computational Approaches to Analysing Weblogs (AAAI-CAAW), pp. 155–158, 2006.

O [14] A. Abbasi, “Affect intensity analysis of dark web forums,” in Proceedings of Intelligence and Security Informatics (ISI), pp. 282–288, 2007.

O [15] M. Efron, “Cultural orientation: Classifying subjective documents by cocia- tion [sic] analysis,” in Proceedings of the AAAI Fall Symposium on Style and Meaning in Language, Art, Music, and Design, pp. 41–48, 2004.

ReferênciasO [16] C. Cardie, C. Farina, T. Bruce, and E. Wagner, “Using natural language

processing to improve eRulemaking,” in Proceedings of Digital Government Research

O [17] J. G. Conrad and F. Schilder, “Opinion mining in legal blogs,” in Proceedings of the International Conference on Artificial Intelligence and Law (ICAIL), pp. 231–236, New York, NY, USA: ACM, 2007.

O [18] http://sentistrength.wlv.ac.uk/O [19] http://sentiwordnet.isti.cnr.it/O [20] http://alias-i.com/lingpipe/demos/tutorial/sentiment/read-me.htmlO [21] http://nltk.org/O [22] http://www.clips.ua.ac.be/patternO [23] http://www.sentiment140.com/O [24] http://www.tweetfeel.com/O [25] http://chatterbox.co/O [26] http://topsy.com/O [27] http://www.opinioncrawl.com/O [28]

https://play.google.com/store/apps/details?id=com.ravisekhar.kopparthi.stocksntmnt&hl=pt_BR

O [29] http://www.triposo.com/O [30 http://www.twelect.com/O [31] http://www.apptrace.com/

http://alias-i.com/lingpipe/demos/tutorial/sentiment/read-me.html

http://alias-i.com/lingpipe/demos/tutorial/sentiment/read-me.html

http://nltk.org/

http://nltk.org/

http://www.clips.ua.ac.be/pattern

http://www.clips.ua.ac.be/pattern

http://www.tweetfeel.com/

http://www.tweetfeel.com/

http://chatterbox.co/

http://chatterbox.co/

http://topsy.com/

http://topsy.com/

http://www.opinioncrawl.com/

http://www.opinioncrawl.com/




http://www.triposo.com/

http://www.triposo.com/

http://www.twelect.com/

http://www.twelect.com/