A ANÁLISE DE SENTIMENTOS DE MENSAGENS DO TWITTER ENVOLVENDO SERVIÇOS DE ENTREGA DE ALIMENTOS

Abstract

Considerando a pandemia de COVID 19, houve uma expansão significativa nos serviços de entrega, especialmente o de alimentos, o que tornou relevante a investigação da opinião de clientes desses serviços. Baseado nisso, este trabalho tem por objetivo investigar técnicas de mineração de texto e Aprendizagem de Máquina (AM) na análise de sentimentos (classificação entre positivo, negativo ou neutro) em mensagens de opiniões publicadas no Twitter sobre os serviços dos aplicativos Rappi, iFood e Zé Delivery. Para alcançar esse objetivo, foi: realizada uma revisão da literatura, para fundamentar esta pesquisa; realizada uma coleta de dados no Twitter, que foram rotulados manualmente; feito um préprocessamento nos dados obtidos, com técnicas de Processamento de Linguagem Natural (PLN), como stopwords, case folding e tokenization, além das técnicas SMOTE e DOC2VEC, que foram testados na tentativa de equilibrar a base e incrementar a eficácia dos resultados obtidos; e realizados experimentos com as diferentes técnicas de AM. Da literatura, foram selecionados os algoritmos de AM Suport Vector Machine, K-nearest neighbors, Random Forest e Naive Bayes. Foram obtidos como resultados: um dataset final rotulado com 958 dados; um estudo comparativo entre combinações de técnicas de PLN e AM; e um modelo publicado no GitHub com a combinação mais assertiva fazendo uso de SMOTE e Naive Bayes.