Com o surgimento e popularização das redes sociais, a quantidade de opiniões publicadas na internet se tornou gigantesca. São pessoas falando sobre os mais diversos assuntos: celebridades e figuras públicas, medidas sociais, marcas, empresas, acontecimentos midiáticos, etc. Diversos tipos de organizações estão interessadas nestas opiniões, mas a manipulação individual destas opiniões é impossível dado volume e a frequência na qual acontecem. Logo, é necessário técnicas e métodos sejam desenvolvidos para tornar possível a coleta e manipulação destes dados.
A análise de sentimentos se refere a área de pesquisa que desenvolve e utiliza técnicas e métodos computacionais para identificar e categorizar as opiniões emitidas por pessoas sobre um determinado assunto. Ela responde aos interessados se a polaridade de uma opinião é positiva, neutra ou negativa.
A análise de sentimentos, também conhecida como mineração de opiniões, possui várias áreas de aplicação. Alguns exemplos são a análise sobre o que as pessoas pensam sobre produtos, serviços e marcas, a avaliação da popularidade de personalidades, medir a repercussão sobre ações políticas e populares e avaliar as opiniões das pessoas sobre acontecimentos midiáticos. Alguns estudos mostram, inclusive, a relação entre análise de sentimentos e o mercado de ações. A Reuters, por exemplo, incluiu a análise de sentimentos em sua plataforma financeira em 2014.
As redes sociais não são a única fonte de dados, mas são as mais adotada por organizações no mundo todo. Um exemplo é o caso da campanha presidencial de 2012 do Obama. A administração da campanha utilizou análise de sentimentos em sua estratégia eleitoral. Eles avaliavam a opinião pública dos estadunidenses a cada anúncio e/ou mensagem que o Obama comunicava durante o período de sua campanha presidencial de 2012.
Um outro exemplo é da agência de turismo Expedia Canada. A agência utilizou análise de sentimentos para investigar o feedback negativo que vinha recebendo sobre um de seus comerciais. A agência descobriu que a campanha estava causando impacto negativo na marca e prejudicando as vendas. Além disso, também descobriu que o problema não estava no conteúdo da campanha, mas na música de fundo adotada e na frequência com que era transmitida. A agência decidiu alterar a campanha e reduzir a sua frequência de transmissão.
Apesar de interessante e poderosa, a análise de sentimentos enfrenta grandes desafios. A linguagem humana é complexa e ensinar a uma máquina a analisar as variedades gramaticais, culturais, erros de escrita, etc é um processo difícil. Ensinar como o contexto pode afetar o tom de uma frase pode ser mais difícil ainda. Como exemplo, considere a frase:
"Meu voo está atrasado. Que maravilha!"
Pessoas que compreendem a língua portuguesa rapidamente interpretariam o tom irônico desta frase. Para a maioria das pessoas um voo atrasado não é uma boa experiência. Entretanto, como a frase possui a palavra "maravilha", um algoritmo provavelmente iria categorizá-la como positiva. Como ensinar ironia a um computador?
Dados de redes sociais possuem seus desafios particulares. As opiniões muitas vezes são acompanhadas de figuras, memes, links, emojis, hashtags, marcação de usuários, abreviações, mais de um idioma na mesma frase, etc.
A adoção da análise de sentimentos tem crescido em todo o mundo. Ela permite que empresas e instituições possam saber o que seu público alvo pensa e, assim, tomar atitudes estratégicas. É considerada uma das aplicações mais utilizadas de Machine Learning e promete ser um divisor de águas na relação entre as organizações e seu público alvo.
Análise de Sentimentos e Mercado de Ações
Análise de Sentimentos e Reuters
