Comparação de métodos de processamento de linguagem natural para análise de sentimento aplicados a feedbacks de e-commerce

Abstract

A análise de sentimentos é uma área do Processamento de Linguagem Natural que busca identificar emoções expressas em textos, sendo amplamente aplicada em avaliações de produtos e serviços de e-commerce. No contexto do português, essa tarefa ainda apresenta desafios relacionados à ambiguidade linguística e à escassez de recursos computacionais otimizados para o idioma. O objetivo deste trabalho foi realizar uma análise comparativa entre diferentes métodos de Processamento de Linguagem Natural aplicados à análise de sentimentos em comentários de e-commerce em português, avaliando métodos léxicos e de aprendizado de máquina. Foram utilizados os léxicos SentiLex-PT, OpLexicon e UniLex, além dos modelos Support Vector Machine, Random Forest e Naive Bayes, em classificações ternária (positivo, negativo e neutro) e binária (positivo e negativo). Os resultados mostraram melhor desempenho dos modelos supervisionados, com destaque para o Support Vector Machine com precisão de 70% na classificação ternária e 93% na binária, enquanto o SentiLex-PT foi o léxico mais eficaz com 50% de precisão na ternária e 83% na binária. A exclusão da classe neutra aumentou a precisão e o F1-Score, evidenciando que a redução da ambiguidade melhora o desempenho. Conclui-se que a qualidade do corpus e a clareza das categorias influenciam diretamente os resultados.