Solucionado (ver solução)
Solucionado
(ver solução)
1
resposta

Dúvida - Avaliação de sentimentos nas frases

Pergunta de um completo leigo em NLP.

Não seria mais fácil classificar o sentimento das frases em relação a uma "lista" de palavras que qualificam/adjetivam algo, penso desta forma pois haviam inúmeras palavras que não expressam nada, e o sentimento do que a pessoa diz, quando em texto, vêm da forma com que ela qualifica tal coisa.

Ex:

palavras_boas = [boa, bom,ótimo,excelente] palavras_ruins = [ruim,péssimo]

Não sei se isso faz sentido do ponto de vista prático, mas acredito que classificar usando somente palavras que qualificam algo, faria muito mais sentido.

Estou certo ou isso não faz sentido quando colocado em prática?

1 resposta
solução!

Olá, Igor! Tudo bom com você? Eu espero que sim!

Desculpa a demora em te dar um retorno.

É uma ideia bacana para começar uma classificação de sentimento, no entanto ela traz um problema: E os textos negativos que possam vir recheados de palavras positivas? Um exemplo: “Esse artista X é um ótimo profissional, todos os filmes que ele produz são muito bons. Mas esse filme foi completamente fora do padrão, um excelente exemplo de como não fazer um filme!”. Note que no exemplo não foi inserida diretamente nenhuma palavra ruim, mesmo assim foi uma crítica negativa ao filme em questão.

Por isso o NLP não pode somente verificar a quantidade de boas ou más palavras no texto, é preciso que o modelo entenda a estrutura gramatical das frases e o significado das palavras contidas nela para entender o sentimento expressado. Algumas palavras realmente podem não trazer sentimento algum no texto construído, como alguns pronomes, preposições, etc. Mas para esses casos, existem diversas técnicas e conceitos que tratam esses elementos, algumas delas você pode ver no artigo Guia de NLP - conceitos e técnicas.

Eu espero ter te ajudado! Se surgir outra dúvida estarei à disposição ;-)

Bons estudos!

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓. Bons Estudos!