Análise de sentimentos em conversas de suporte técnico usando o classificador Naive Bayes

Abstract

Resumo: A análise de sentimentos explora a atribuição de valores emocionais para cada sentença textual, possibilitando uma interpretação mais profunda dos dados de entrada. Detectar e compreender as emoções presentes em diálogos entre profissionais da informática e usuários é um aspecto importante na busca do aprimoramento contínuo na qualidade do serviço oferecido. A avaliação de conversas e a extração de informações sobre o desempenho do atendimento contribuem para obter uma perspectiva dos remetentes, possibilitando ajustes e melhorias necessárias. Este trabalho propõe estudar expressões compostas em chats de suporte de Tecnologia da Informação (TI) e categorizar os sentimentos em negativos, positivos e neutros, transmitidos nas interações dos usuários. Para tanto, foi desenvolvida uma solução computacional baseada em técnicas de Processamento de Linguagem Natural (PLN) em conjunto do algoritmo Naive Bayes, um classificador probabilístico, famoso pela facilidade e precisão na manipulação de dados textuais. Os resultados alcançados revelam que o classificador Naive Bayes, apesar da relativa simplicidade, se mostra uma opção a ser considerada, pela sua eficácia, em aplicações de análise de sentimentos.__Abstract: Sentiment analysis explores the attribution of emotional values to each textual sentence, enabling a deeper interpretation of the input data. Detecting and understanding the emotions present in dialogues between IT professionals and users is an important aspect in the search for continuous improvement in the quality of the service offered. Evaluating conversations and extracting information about service performance helps to obtain a perspective from senders, enabling necessary adjustments and improvements. This work proposes to study compound expressions in Information Technology (IT) support chats and categorize feelings into negative, positive and neutral, transmitted in user interactions. To this end, a computational solution was developed based on Natural Language Processing (NLP) techniques together with the Naive Bayes algorithm, a probabilistic classifier, famous for its ease and precision in manipulating textual data. The results achieved reveal that the Naive Bayes classifier, despite its relative simplicity, is an option to be considered, due to its effectiveness, in sentiment analysis applications. Keywords: Sentiment Analysis; Naïve Bayes; Technical Support Chat; Multinomial; Natural Language Processing Abstract Sentiment analysis explores the attribution of emotional values to each textual sentence, enabling a deeper interpretation of the input data. Detecting and understanding the emotions present in dialogues between IT professionals and users is an important aspect in the search for continuous improvement in the quality of the service offered. Evaluating conversations and extracting information about service performance helps to obtain a perspective from senders, enabling necessary adjustments and improvements. This work proposes to study compound expressions in Information Technology (IT) support chats and categorize feelings into negative, positive and neutral, transmitted in user interactions. To this end, a computational solution was developed based on Natural Language Processing (NLP) techniques together with the Naive Bayes algorithm, a probabilistic classifier, famous for its ease and precision in manipulating textual data. The results achieved reveal that the Naive Bayes classifier, despite its relative simplicity, is an option to be considered, due to its effectiveness, in sentiment analysis applications.