Análise de sentimento aplicada ao estudo de letras de música
Keywords:
Letras de música. Análise de sentimento. Processamento automático da linguagem naturalAbstract
A música vista como objeto informacional é um tema complexo quando aplicado ao campo da organização do conhecimento (OC), principalmente quando se almeja modelar um domínio de forma automatizada. Uma das técnicas que vem despontando como promissora neste setor é a Análise de Sentimento (AS) ou Mineração de Opinião; técnica derivadas da inteligência artificial para identificar opiniões e emoções em textos, avaliando-as como positivas ou negativas por meio do processamento automático da linguagem natural. Esta pesquisa registra a experiência com letras de música. Após a extração de letras em várias línguas, em uma fonte específica, por meio de crawlers, tratou-se morfossintaticamente o léxico de letras de música em português do Brasil. Em seguida, aplicou-se a técnica de AS para classificar o corpus segundo a dimensão emocional, o que resultou em um banco de dados de 3.2 GB, com 1616 letras em 38 línguas enriquecido com informações de marcação morfossintática e polaridade emocional para o português. Esta experiência demonstrou que o aspecto afetivo pode ser medido pelo processamento automático da linguagem, especificamente via Análise de Sentimento. Os resultados levam a concluir pela efetividade da AS para letras de música, atestando sua aplicabilidade e contribuição para o avanço de pesquisas no campo a OC neste domínio.
Downloads
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
a) Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution 4.0 International License (CC BY 4.0), which allows sharing of the work with mandatory acknowledgment of the work's authorship and initial publication in this journal.
b) Authors are authorized to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), provided there is acknowledgment of its authorship and initial publication in this journal.
c) Authors are permitted and encouraged to post and distribute their work online (e.g., in institutional repositories or on their personal website) only after the official publication of the article by the journal, thereby preserving the confidentiality of the double-blind peer review. This subsequent sharing has the potential to increase the impact and citation of the published work.


