Processamento de Linguagem Natural para Análise de Sentimentos em Árabe: Uma Revisão Sistemática da Literatura

A análise de sentimentos envolve o uso de métodos computacionais para identificar e classificar opiniões expressas em texto, com o objetivo de determinar se a posição do autor em relação a um determinado tópico, produto ou ideia é positiva, negativa ou neutra. No entanto, a análise de sentimentos em árabe apresenta desafios únicos devido à complexidade da morfologia árabe e à variedade de dialetos, o que torna a classificação da linguagem ainda mais difícil. Para abordar esses desafios, realizamos uma investigação e uma visão geral das técnicas utilizadas nos últimos cinco anos para incorporação e classificação da análise de sentimentos em árabe (ASA). Coletamos dados de 100 publicações, resultando em um conjunto de dados representativo de 2.300 registros detalhados que incluíam atributos relacionados ao conjunto de dados, extração de características, abordagem, parâmetros e medidas de desempenho. Nosso estudo tinha como objetivo identificar as abordagens mais poderosas e as melhores configurações de modelo, analisando os dados coletados para identificar os parâmetros significativos que influenciam o desempenho. Os resultados mostraram que Aprendizado Profundo e Aprendizado de Máquina eram as técnicas mais comumente usadas, seguidas por técnicas baseadas em léxico e transformadores. No entanto, constatou-se que os modelos de Aprendizado Profundo eram mais precisos para classificação de sentimentos do que outros modelos de Aprendizado de Máquina. Além disso, a incorporação em múltiplos níveis foi um passo significativo para melhorar a precisão do modelo.