Sumarização de comentários de clientes usando análise híbrida de sentimentos

O rápido aumento da produção de conteúdos textuais a partir de fontes como o WhatsApp, o Instagram e a Amazon produz diariamente enormes quantidades de dados. A interpretação destes dados pode ajudar os proprietários de empresas a compreender a perceção pública dos seus produtos ou serviços e a tomar decisões informadas. Devido ao grande volume de texto, o Processamento de Linguagem Natural (PLN), um aspeto crucial da Análise de Sentimentos (AS), é essencial para a interpretação do conteúdo. Esta pesquisa se concentra no desenvolvimento de um modelo de Sumarização de Resenhas de Consumidores (CRS) usando técnicas de PLN e Memória de Longo Prazo (LSTM) para resumir dados e fornecer às empresas insights significativos sobre o comportamento e as preferências do consumidor. A eficácia do modelo CRS baseia-se no modelo SA e consiste em duas fases: SADL e CRS. A fase SADL inclui o pré-processamento de revisões, a extração de caraterísticas e a classificação de sentimentos, enquanto a fase CRS efectua o resumo automático com base nos resultados SADL.