14 nov 2024
09:00 Defesa de Mestrado Sala 85 do IC2
Tema
Influência da Modelagem de Tópicos na Análise de Sentimentos a Partir de Avaliações de Produtos Geradas por Usuários
Aluno
Patrick Anderson Matias de Araújo
Orientador / Docente
Julio Cesar dos Reis - Coorientador: Marcelo da Silva Reis
Breve resumo
Na atual economia baseada em dados, entender o feedback do cliente é crucial para que as empresas melhorem seus produtos e serviços. As avaliações de usuários, que representam uma forma moderna de marketing boca a boca, oferecem insights valiosos, mas geralmente são vastas e desafiadoras de interpretar manualmente. Técnicas avançadas de processamento de linguagem natural (PLN) fornecem uma maneira de extrair automaticamente insights significativos dos dados, transformando a maneira como as empresas alavancam a entrada do cliente para conduzir decisões estratégicas. Nesse contexto, abordar a identificação de tópicos e a análise de sentimentos em textos é crucial. No entanto, a complexidade de integrar a modelagem de tópicos e a análise de sentimentos como duas técnicas essenciais de PNL apresenta desafios, especialmente quando aplicadas a conjuntos de dados em larga escala com características linguísticas diversificadas e linguagens informais, como sarcasmo, gíria e comentários multilíngues. Esta dissertação de mestrado investiga a integração da modelagem de tópicos e da análise de sentimentos para aprimorar a interpretação do feedback do cliente. Com foco nas avaliações de usuários de três plataformas principais — Amazon, Netflix e Spotify — coletadas por meio da Google Play Store, nosso estudo alavanca técnicas avançadas de processamento de linguagem natural para extrair insights importantes dos comentários dos usuários. Em particular, avaliamos duas abordagens: 1) usando modelos de PNL especializados e ajustados, como BERT, T5 e BERTopic; 2) usando modelos de transformadores pré-treinados maiores, como Llama 3 8B da Meta e Mixtral 8x7B. Nossa investigação avalia como a modelagem de tópicos afeta a classificação de sentimentos em configurações de várias classes, examinando suas métricas (3 classes vs. 5 classes). A pesquisa destaca a eficácia de diferentes modelos de PNL, que fornecem às empresas insights mais profundos sobre o comportamento do cliente e permitem decisões estratégicas baseadas em dados. Esta dissertação de mestrado contribui ao demonstrar a relevância de combinar modelagem de tópicos com análise de sentimentos, avançando a aplicação de IA em inteligência de negócios.
Banca examinadora
Titulares:
| Julio Cesar dos Reis | IC/UNICAMP |
| Helena de Almeida Maia | IC/UNICAMP |
| Thiago Henrique Silva | DAINF/UTFPR |
Suplentes:
| Sandra Eliza Fontes de Avila | IC/UNICAMP |
| Luiz Camolesi Júnior | FT/UNICAMP |