Um modelo baseado em análise de sentimentos como suporte à sistemas de recomendação

Abstract

Com a evolução da Web, seus usuários que outrora eram simples consumidores de conteúdo, absorveram também o papel de produtores de conteúdo. Esta alteração foi crucial para o aumento exponencial na produção de dados que é responsável pela sobrecarga de informação, gerando desafios na tomada de decisão, tornando uma simples escolha em um trabalho por vezes difícil para usuários pouco experientes. Este cenário serviu como um campo fértil para o surgimento dos Sistemas de Recomendação, que objetivam auxiliarem pessoas em suas escolhas. Ainda no contexto atual da Web, comentários efetuados por usuários a determinado item podem ajudar durante uma escolha. Para promover tal suporte surge a área de Análise de Sentimentos que objetiva extrair, de opiniões expressas via texto, informações que possibilitem qualificar uma opinião, por exemplo, como positiva ou negativa. A junção destas duas áreas fornece um importante ferramental que pode ser aplicado em uma ampla variedade de cenários. A partir disso, este trabalho propõe um modelo baseado em Análise de Sentimentos que promova suporte aos Sistemas de Recomendação. O modelo proposto foi avaliado utilizando o domínio da Gestão de Ideias visto a importância desta área no processo de inovação e competitividade para as organizações. Para demonstração de viabilidade do modelo proposto, foi desenvolvido um protótipo para suportar as fases de indexação, extração, avaliação e recomendação de ideias. O protótipo foi aplicado sobre um conjunto de ideias públicas. A partir das análises pode-se concluir que o modelo atinge seus objetivos uma vez que a análise de sentimentos demonstrou impacto positivo nas recomendações realizadas. Por fim, destaca-se que o modelo proposto através da integração entre as áreas de Análise de Sentimentos e os Sistemas de Recomendação produziu resultados capazes de auxiliar na tomada de decisão.

Abstract : With the evolution of the Web, its users who were once simple consumers of content also become producers. This change was crucial to the exponential increase in data production that is responsible for information overload phenomenon, generating challenges in decision making in which a simple choice sometimes becomes a difficult job for inexperienced users. This scenario served as a fertile field for the emergence of the Recommendation Systems, which aim to assist people in their choices. Still in the current context of the Web, comments made by users to a given item can help during a choice. To promote such support the Sentiment Analysis area arises aiming to extract, from opinions expressed via text, information that qualify an opinion as positive or negative, for instance. The combination of these two areas provides an important took which can be applied in a wide variety of scenarios. From this, this work proposes a model based on Sentiment Analysis that promotes support to the Recommendation Systems. The proposed model was evaluated using the Idea Management domain, given its importance in the process of innovation and competitiveness for organizations. To demonstrate the viability of the proposed model a prototype was developed to support the phases of indexing, extracting, evaluating and recommending ideas. The prototype was applied on a set of public ideas. From the analysis, it can be concluded that the model achieves its objectives once the analysis of sentiments showed positive impact in the recommendations. Finally, it is highlighted that the proposed model through the integration between Sentiment Analysis and Recommendation Systems areas produced results capable of assisting decision making.