Análise de sentimento como apoio à seleção de livros: um estudo aplicado à plataforma Skoob

Ronnie Shida  Marinho; Clayton Martins  Pereira; José Eduardo Santarem  Segundo

doi:10.5007/1518-2924.2022.e83588

Autores

Ronnie Shida Marinho Universidade Estadual Paulista, Faculdade de Filosofia e Ciências, Marília, Brasil https://orcid.org/0000-0002-0702-7586
Clayton Martins Pereira Universidade Estadual Paulista (Unesp) https://orcid.org/0000-0003-0432-4216
José Eduardo Santarem Segundo Universidade de São Paulo, Faculdade de Filosofia, Ciências e Letras, Ribeirão Preto, Brasil https://orcid.org/0000-0003-3360-7872

DOI:

https://doi.org/10.5007/1518-2924.2022.e83588

Resumo

Objetivo: Este trabalho tem por objetivo aplicar a técnica análise de sentimento nas resenhas publicadas na plataforma Skoob, com o intuito de propor um novo parâmetro de avaliação que ajude os usuários na tomada de decisão sobre a leitura, ou não, de um livro.

Método: Pesquisa exploratória, de abordagem quantitativa e qualitativa, que utilizou, para realizar a análise de sentimento, a técnica de detecção de polaridade, de modo a automatizar a identificação do grau de polaridade das opiniões contidas nas resenhas, o qual pode ser positivo, negativo ou neutro. Foram selecionadas, no total, 45.114 resenhas relacionadas aos 20 livros mais lidos entre os usuários da plataforma Skoob.

Resultado: Os resultados obtidos mostram o potencial da aplicação da análise de sentimento nas resenhas de livros como mais uma ferramenta para auxiliar o usuário da plataforma Skoob em sua tomada de decisão por qual livro iniciar a leitura ou por quais livros colocar em sua lista de próximas leituras.

Conclusões: As resenhas de livros são insumos importantes em uma rede social de leitores, uma vez que podem influenciar as preferências de leitura de seus usuários, além de apresentar as características positivas e negativas de um determinado livro. A aplicação da Análise de sentimento nas opiniões contidas em tais resenhas pode fornecer indicadores de modo automatizado e rápido, possibilitando aferir o comportamento dos usuários em relação aos livros que leram, além de ser utilizada como uma métrica alternativa para avaliação de livros.

Downloads

Não há dados estatísticos.

Biografia do Autor

Ronnie Shida Marinho, Universidade Estadual Paulista, Faculdade de Filosofia e Ciências, Marília, Brasil

Mestre em Ciências de Computação e Matemática Computacional pela Universidade de São Paulo (USP), Bacharel em Ciências da Computação pelo Centro Universitário Eurípedes de Marília (UNIVEM) e técnico em Programação de Computadores pelo Centro Paula Souza. Tem experiência na área de Ciência da Computação e Ciência da Informação, com ênfase em Sistemas de Recomendação e Recuperação de Informação, atuando principalmente nos seguintes temas: mineração e indexação textual, desambiguação lexical de sentido, análise de anotações de usuários e aprendizado de máquina. Trabalhou como professor da Faculdade de Tecnologia do estado de São Paulo (FATEC- Adamantina). Atualmente, trabalha como facilitador na Universidade Virtual de São Paulo (UNIVESP) e faz parte do Núcleo de Estudos em Web Semântica e Dados Abertos da USP (NEWSDA), além de cursar seu doutoramento no programa de Ciência da Informação da UNESP.

José Eduardo Santarem Segundo, Universidade de São Paulo, Faculdade de Filosofia, Ciências e Letras, Ribeirão Preto, Brasil

Livre Docente em Informação e Tecnologia pela Universidade de São Paulo (USP), 2020. Pós-Doutorado pela Faculdade de Engenharia da Computação da Western University/Canadá, 2018. Doutor e Mestre em Ciência da Informação pela Universidade Estadual Paulista Júlio de Mesquita Filho-UNESP-Marília/SP; Professor Doutor no Departamento de Educação, Informação e Comunicação, da Faculdade de Filosofia, Ciências e Letras de Ribeirão Preto, da Universidade de São Paulo (USP); Docente do Programa de Pós-Graduação em Ciência da Informação da UNESP/Marília na linha de Informação e Tecnologia. Bolsista de Produtividade em Pesquisa PQ-2 do CNPq. Coordenador do GT8 - Informação e Tecnologia, da Associação Nacional de Pesquisa e Pós-Graduação em Ciência da Informação (ANCIB). Atua na linha de pesquisa - Ambientes Digitais e Tecnologias Aplicadas a Informação e Comunicação - , com ênfase em Web Semântica, Linked Data, Big Data, Aprendizado de Maquina (Machine Learning), Dados Abertos e Acervos Digitais. Lider do NEWSDA - Núcleo de Estudos em Web Semantica e Dados Abertos. Recebeu o Prêmio de Melhor Tese pela Associação Nacional de Pesquisa e Pós-Graduação em Ciência da Informação (ANCIB) - Ano 2011. Recebeu também Menção Honrosa no Prêmio Capes de Teses - 2011 (Ciências Sociais Aplicadas)

Referências

ALMEIDA, R. J. A. LeIA - Léxico para Inferência Adaptada. 2018. Disponível em: https://github.com/rafjaa/LeIA. Acesso em: 04 dez. 2020.

BECKER, K.; TUMITAN, D. Introdução à mineração de opiniões: conceitos, aplicações e desafios. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS, 28., 2013, Recife. Anais […]. Porto Alegre: Sociedade Brasileira de Computação, 2013. p. 27-52.

BENEVENUTO, F.; RIBEIRO, F.; ARAÚJO, M. Métodos para análise de sentimentos em mídias sociais. In: SIMPÓSIO BRASILEIRO DE SISTEMAS MULTIMÍDIA E WEB. MINICURSOS, 21., 2015, Manaus. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2015. p. 31-59.

CAMBRIA, E.; LIVINGSTONE, A.; HUSSAIN, A. The Hourglass of Emotions. In: ESPOSITO, A.; ESPOSITO, A. M.; VINCIARELLI, A.; HOFFMANN, R.; MÜLLER, V. C. (org.). Cognitive Behavioural Systems. Heidelberg: Springer, 2012. Disponível em: http://dx.doi.org/10.1007/978-3-642-34584-5_11. Acesso em: 30 jun. 2021.

CHIAVETTA, F.; BOSCO, G. L.; PILATO, G. A lexicon-based approach for sentiment classification of Amazon books reviews in Italian language. In: INTERNATIONAL CONFERENCE ON WEB INFORMATION SYSTEMS AND TECHNOLOGIES, 12., 2016, Rome. Proceedings […]. Rome: INSTICC, 2016. p. 159–170.

GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning. Cambridge: MIT Press, 2016. Disponível em: http://www.deeplearningbook.org. Acesso em: 25 jun. 2021.

HUTTO, C.; GILBERT, E. Vader: A parsimonious rule-based model for sentiment analysis of social media text. In: PROCEEDINGS OF THE INTERNATIONAL AAAI CONFERENCE ON WEB AND SOCIAL MEDIA, 8., 2014, Ann Arbor. Proceedings […]. Palo Alto: AAAI, 2014. p. 216–225.

HOTHO, A.; NÜRNBERGER, A.; PAAß, G. A brief survey of text mining. LDV Forum, Trier, v. 20, n. 1, p. 19-62, 2005.

LIU, B. Sentiment analysis and subjectivity. Handbook of natural language processing, v. 2, n. 2010, p. 627-666, 2010.

NASCIMENTO, A. G.; ODDONE, N. E. Métricas alternativas para a avaliação da produção científica: a altmetria e seu uso pelos bibliotecários. In: ENCONTRO NACIONAL DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO, 17., 2016, Salvador. Anais [...]. Salvador: ANCIB, 2016. p. 3071-3085.

PANG, B.; LEE, L. Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, Delft, v. 2, n. 1-2, p. 1-94, 2008.

PÅLSSON, A.; SZERSZEN, D. Sentiment Classification in Social Media: An Analysis of Methods and the Impact of Emoticon Removal. 2016. Disponível em: https://www.diva-portal.org/smash/get/diva2:930520/FULLTEXT01.pdf. Acesso em: 16 jun. 2021.

PAK, A.; PAROUBEK, P. Twitter as a corpus for sentiment analysis and opinion mining. In: INTERNATIONAL CONFERENCE ON LANGUAGE RESOURCES AND EVALUATION, 7., 2010, Valletta. Proceedings […]. Paris: ELRA, 2010. p. 1320-1326.

PIRYANI, R.; GUPTA, V.; SINGH, V. K.; PINTO, D. Book impact assessment: A quantitative and text-based exploratory analysis. Journal of Intelligent & Fuzzy Systems, Amsterdam, v.34, n. 6, p. 1–10, 2018.

RAJU, B. N.; NAIKODI, C.; SURESH, L. Sentiment analysis of product attribute using social media. International Journal of Engineering Research, Bengaluru, v. 5, n. 4, p. 808-813, 2016.

SKOOB. Plataforma de Rede Social para Leitores. Disponível em: https://www.skoob.com.br. Acesso em: 08 dez. 2020.

WANG, K.; LIU, X.; HAN, Y. Exploring Goodreads reviews for book impact assessment. Journal of Informetrics, Amsterdam, v. 13, n. 3, p. 874–886, 2019.

ZHOU, Q.; ZHANG, C.; ZHAO, S. X.; CHEN, B. Measuring book impact based on the multi-granularity online review mining. Scientometrics, Amsterdam, v. 107, n. 3, p. 1–21, 2016.