dissertação
Uma abordagem de auto-ML para análise de sentimentos na língua portuguesa
An Auto-ML approach for sentiment analysis in Portuguese language
Registro en:
OLIVEIRA, D. N. de. Uma abordagem de auto-ML para análise de sentimentos na língua portuguesa. 2019. 125 p. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de Lavras, Lavras, 2019.
Autor
Oliveira , Douglas Nunes de
Institución
Resumen
Arquivo retido, a pedido do autor, até março de 2022. Sentiment analysis is a raising field in academia and industry. It is a type of data extraction from
knowledge that makes use of diverse natural language processing tasks and data mining tech-
niques to obtain its results. Finding the best combination of these tasks for a given data set is
not a trivial task as there may be a substantial amount of combinations to evaluate. Besides, the
evaluation of each combination may require considerable computational power that can restrict
the number of possible evaluations. Therefore, in this work, we first evaluate the combination
of five NLP tasks and three classifiers in the domain of sentiment analysis using texts written
in Portuguese. The experimental results showed that different combinations of preprocessing
tasks can significantly affect the predictive performance of a classifier for a given dataset. Con-
sequently, it is clear the importance of performing the joint evaluation of preprocessing tasks
with classifiers when choosing which preprocessing tasks and classifier should be used for a
dataset. Therefore, this paper also proposes a Automated Machine Learning (Auto-ML) ap-
proach to search for a good combination of a classifier with natural languages processing tasks
without having to evaluate all possible combinations. The proposed approach uses evolutio-
nary algorithms and Bayesian optimization with the Bootstrap Corrected Cross-Validation Bias
(BBC-CV) bias correction technique to find such a combination. The approach presented in
this paper, evaluated with Portuguese written text data sets, showed performance equivalent or
better than another Auto-ML tool. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) A análise de sentimentos é uma área em ascensão tanto no meio acadêmico quanto comercial.
Ela é um tipo de extração de conhecimento a partir de dados que faz uso de diversas tarefas
de processamento de linguagem natural e de técnicas de mineração de dados para obter seus
resultados. Encontrar a melhor combinação dessas tarefas para uma determinada base de dados
não é uma tarefa trivial, dado que pode existir uma grande quantidade de combinações a serem
avaliadas. Além disso, a avaliação de cada combinação pode requerer um grande poder compu-
tacional que pode restringir a quantidade de avaliações possíveis. Sendo assim, este trabalho ini-
cialmente apresenta uma avaliação da combinação de cinco tarefas de pré-processamento e três
classificadores considerando a tarefa de análise de sentimentos de textos da língua portuguesa.
Os resultados dessa avaliação mostram que diferentes combinações podem afetar significativa-
mente o desempenho preditivo obtido em uma base de dados. Isso deixa claro a importância de
executar a avaliação conjunta de tarefas de pré-processamento com classificadores ao escolher
quais tarefas de pré-processamento e classificador devem ser usados para uma base de dados.
Desse modo, este trabalho também propõe uma abordagem de Aprendizado de Máquina Au-
tomatizado (Automated Machine Learning – Auto-ML) para buscar uma boa combinação de
classificador com técnicas de pré-processamento de textos (associadas com tarefas de proces-
samento de linguagem natural) sem a necessidade de avaliar todas combinações possíveis. A
abordagem proposta utiliza algoritmos evolutivos e otimização Bayesiana em conjunto com a
técnica de correção de viés Bootstrap Bias Corrected Cross-Validation (BBC-CV) para encon-
trar tal combinação. Essa abordagem, avaliada a partir de bases de dados com textos escritos em
língua portuguesa, mostrou um desempenho tão bom quanto ou superior ao de outra ferramenta
de Auto-ML.