Detecção de emoções em Tweets sobre mercado financeiro brasileiro via um modelo distribucional (2024)
- Authors:
- Autor USP: QUEIROZ, ANGÉLICA LARISSA MARQUES DE - EACH
- Unidade: EACH
- DOI: 10.11606/D.100.2024.tde-02092024-191919
- Subjects: APRENDIZADO COMPUTACIONAL; BOLSA DE VALORES; MERCADO FINANCEIRO; REDES SOCIAIS; EMOÇÕES
- Keywords: BERTimbau; Detecção de Emoções; Emotion Detection
- Agências de fomento:
- Language: Português
- Abstract: A bolsa de valores desempenha um papel importante no aceleramento do crescimento econômico de países em desenvolvimento como o Brasil e, tipicamente, provoca fortes emoções nas pessoas, que podem ser refletidas em seu comportamento nas mídias sociais como o X, o antigo Twitter. Analisar essas emoções poderia revelar insights interessantes sobre a percepção pública, potencialmente levando a previsões de mercado de ações mais precisas e lucrativas. A detecção automática de emoções em tweets tem sido explorada por muitos estudos nos últimos anos. Propomos detectar emoções em tweets relacionados ao mercado de ações brasileiro, que têm poucas pesquisas dedicadas. O objetivo dessa pesquisa é concluir se um modelo distribucional baseado em coocorrência lexical pode ser competitivo, em relação a um modelo puramente sintático, na tarefa de classificação automática de emoção em textos de microblogging. Para tal finalidade, treinamos o BERTimbau (versão em português do BERT) large e base em um conjunto de dados de treinamento de domínio geral e testamos os modelos no domínio alvo (mercado de ações brasileiro), uma abordagem de domínio cruzado. Aplicando a roda de Plutchik em sua forma básica, neste trabalho consideramos apenas os quatro principais pares de emoções opostas: joy × sadness, anger × fear, trust × disgust e surprise × anticipation.Os resultados tanto do BERTimbau Large quanto do Base, após testes no subconjunto de testes (tweets que não foram usados no treinamento) do Corpus de Domínio Geral (mesmo domínio usado para treinamento), alcançaram quase 100% de F-1 score para todas as emoções. Porém, usando a abordagem de domínio cruzado, o desempenho do BERTimbau base caiu para valores que variam de F1 nulo para Anticipation, a F1 = 0,71 para Trust. Quando comparamos nossos resultados com a literatura relacionada, a qual implementou o modelo de SVM com Kernel de Árvore, o BERTimbau se destacou em 7 das 8 emoções. Para a emoção Anticipation, nosso F1 score foi de 0.22, enquanto o SVM com Kernel de Árvore obteve 0.23, uma diferença de apenas 0.01. Além disso, treinamos e testamos o BERTimbau no corpus do domínio alvo, e os resultados médios de desempenho foram de 80% para o F1 score
- Imprenta:
- Data da defesa: 05.07.2024
- 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
QUEIROZ, Angélica Larissa Marques de. Detecção de emoções em Tweets sobre mercado financeiro brasileiro via um modelo distribucional. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-02092024-191919/. Acesso em: 11 jan. 2026. -
APA
Queiroz, A. L. M. de. (2024). Detecção de emoções em Tweets sobre mercado financeiro brasileiro via um modelo distribucional (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/100/100131/tde-02092024-191919/ -
NLM
Queiroz ALM de. Detecção de emoções em Tweets sobre mercado financeiro brasileiro via um modelo distribucional [Internet]. 2024 ;[citado 2026 jan. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-02092024-191919/ -
Vancouver
Queiroz ALM de. Detecção de emoções em Tweets sobre mercado financeiro brasileiro via um modelo distribucional [Internet]. 2024 ;[citado 2026 jan. 11 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-02092024-191919/
Informações sobre o DOI: 10.11606/D.100.2024.tde-02092024-191919 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
