ConSentiment: Análise de Sentimentos baseada em Aspectos a partir de Consenso de Modelos em Grafos (2024)
- Authors:
- Autor USP: MARCON, GUILHERME DOS SANTOS - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/D.55.2024.tde-17062024-085235
- Subjects: REDES NEURAIS; APRENDIZADO COMPUTACIONAL; APRENDIZAGEM PROFUNDA; ANÁLISE DE TEXTO
- Keywords: Análise de sentimentos; Deep neural networks; Ensemble learning; Ensemble learning; Graph regularization; Modelos multilíngues; Multilingual models; Regularização de grafos; Sentiment analysis
- Language: Português
- Abstract: Construir conjuntos de modelos de Análise de Sentimento Baseada em Aspectos (ABSA) pode ser um desafio. Cada modelo pode extrair aspectos distintos, onde alguns poderiam estar parcialmente corretos, e prever diferentes sentimentos associados a cada aspecto. A complexidade dos resultados é um dos principais problemas na construção de um consenso nesta configuração de aprendizagem. Além disso, a ABSA enfrenta desafios associados à eliminação de ambiguidades e ao discernimento de sentimentos em diversos domínios e contextos linguísticos. Este cenário é particularmente predominante na análise de produtos, serviços ou tópicos globalmente relevantes. Este projeto apresenta o ConSentiment (Análise de Sentimento Baseada em Consenso) como uma nova abordagem para enfrentar esses desafios. Propomos os princípios de aprendizagem do conjunto ABSA, denominados Grafo de Informação de Consenso e Redução de Incerteza, para encontrar um consenso entre os modelos básicos do ABSA. Em primeiro lugar, o ConSentiment sugere um grafo de consenso conectando revisões, aspectos e rótulos previstos semelhantes, enfatizando a concordância entre os modelos básicos. O grafo lida com a incerteza ao conectar também avaliações com aspectos semelhantes, mas sentimentos diferentes, gerenciando efetivamente a ambiguidade nas tarefas do ABSA. Em segundo lugar, o ConSentiment introduz uma estrutura de regularização ABSA baseada em grafos que prioriza informações consensuais, onde os nós com maior consensocompartilham mais fortemente as informações do rótulo com os vizinhos, reduzindo a incerteza onde os modelos básicos discordam sobre o sentimento. Avaliações experimentais em cenários multidomínios e multilíngues mostram que o ConSentiment supera os modelos individuais de base ABSA, incluindo os mais recentes baseados em BERT e GPT, bem como modelos de votação baseados em comitês.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 16.04.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MARCON, Guilherme dos Santos. ConSentiment: Análise de Sentimentos baseada em Aspectos a partir de Consenso de Modelos em Grafos. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17062024-085235/. Acesso em: 29 dez. 2025. -
APA
Marcon, G. dos S. (2024). ConSentiment: Análise de Sentimentos baseada em Aspectos a partir de Consenso de Modelos em Grafos (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17062024-085235/ -
NLM
Marcon G dos S. ConSentiment: Análise de Sentimentos baseada em Aspectos a partir de Consenso de Modelos em Grafos [Internet]. 2024 ;[citado 2025 dez. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17062024-085235/ -
Vancouver
Marcon G dos S. ConSentiment: Análise de Sentimentos baseada em Aspectos a partir de Consenso de Modelos em Grafos [Internet]. 2024 ;[citado 2025 dez. 29 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17062024-085235/
Informações sobre o DOI: 10.11606/D.55.2024.tde-17062024-085235 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
