Inteligência coletiva para análise de sentimento sobre mensagens da plataforma StockTwits

Abstract

Hoje em dia a Web 2.0 possibilita aos utilizadores inúmeras possibilidades de colaboração para atingir-se um determinado objetivo, realçando-se em particular a Inteligência Coletiva. Por sua vez, a Análise de Sentimentos relaciona-se com a identificação das opiniões positivas ou negativas relativamente a um texto sendo que existem já diversas formas de obter a polaridade dos sentimentos através de algoritmos e dicionários de léxicos. Neste projeto de dissertação avaliou-se a capacidade de utilizar a Inteligência Coletiva para a Análise de Sentimento sobre mensagens de âmbito financeiro do serviço de microblogging StockTwits. Em particular, desenvolveu-se uma aplicação (Finance$entiment) que foi disponibilizada na Web e que permitiu classificar o sentimento de um conjunto de mensagens StockTwits via uma abordagem de inteligência coletiva. Por último, a assertividade da inteligência coletiva foi comparada com a obtida com métodos automáticos, via dicionários de léxicos e algoritmos de text mining.

With the Web 2.0, there are numerous ways for users, to collaborate in order to reach a certain goal. In this work, we particularly highlight the use of Collective Intelligence. On the other hand, Sentiment Analysis relates to the identification of positive and negative opinions in a given text and there are already several ways of automatically obtaining sentiment value through text mining algorithms and lexical dictionaries. In this dissertation project, we evaluate the ability of using Collective Intelligence to perform Sentiment Analysis of financial messages from StockTwits microblog. For such purpose, we developed an application (Finance$entiment), and made it available on the Web so it would be used to classify the sentiment values from a set of messages from StockTwits, through a Collective Intelligence approach. Finally, the performance of the Collective Intelligence approach was compared with the one achieved with automated methods through the use of lexicon dictionaries and text mining algorithms.