Análise de sentimento em tempo real de notícias do mercado de ações

Este artigo descreve o treinamento de um classificador Naive Bayes, baseado em tweets previamente classificados quanto a sua polaridade, o qual é utilizado ​​para realizar uma análise de sentimento sobre textos gerados em stream, provenientes da rede social Twitter. O objetivo deste estudo é realizar uma análise de sentimento em tempo real, sobre tweets publicados por veículos de notícias especializados no mercado de ações brasileiro. O desenvolvimento do analisador de sentimento requereu 6 fases: armazenamento da base de tweets manualmente rotulados", pré-processamento, utilizando métodos de limpeza do texto, tokenização e remoção de stopwords, aplicação do método Term Frequency–Inverse Document Frequency (TF-IDF), treinamento do classificador, coleta dos novos tweets em streaming e, análise de sentimento em tempo real. Após o desenvolvimento das fases citadas anteriormente, o analisador de sentimento atingiu uma acurácia de 76,8 por cento. Este artigo descreve o treinamento de um classificador Naive Bayes, baseado em tweets previamente classificados quanto a sua polaridade, o qual é utilizado ​​para realizar uma análise de sentimento sobre textos gerados em stream, provenientes da rede social Twitter. O objetivo deste estudo é realizar uma análise de sentimento em tempo real, sobre tweets publicados por veículos de notícias especializados no mercado de ações brasileiro. O desenvolvimento do analisador de sentimento requereu 6 fases: armazenamento da base de tweets manualmente rotulados", pré-processamento, utilizando métodos de limpeza do texto, tokenização e remoção de stopwords, aplicação do método Term Frequency–Inverse Document Frequency (TF-IDF), treinamento do classificador, coleta dos novos tweets em streaming e análise de sentimento em tempo real. Após o desenvolvimento das fases citadas anteriormente, o analisador de sentimento atingiu uma acurácia de 76,8 por cento.