Análise de Sentimentos em Português

LeIA (Léxico para Inferência Adaptada) é um fork do léxico e ferramenta para análise de sentimentos <a href="https://github.com/cjhutto/vaderSentiment">VADER</a> (Valence Aware Dictionary and sEntiment Reasoner) adaptado para textos em português, com suporte para emojis e foco na análise de sentimentos de textos expressos em mídias sociais - mas funcional para textos de outros domínios.

Modo de uso

A biblioteca preserva a API do VADER, e o texto de entrada não precisa ser pré-processado:

<pre> from leia import SentimentIntensityAnalyzer s = SentimentIntensityAnalyzer() # Análise de texto simples s.polarity_scores('Eu estou feliz') #{'neg': 0.0, 'neu': 0.328, 'pos': 0.672, 'compound': 0.6249} # Análise de texto com emoji :) s.polarity_scores('Eu estou feliz :)') #{'neg': 0.0, 'neu': 0.22, 'pos': 0.78, 'compound': 0.7964} # Análise de texto com negação s.polarity_scores('Eu não estou feliz') #{'neg': 0.265, 'neu': 0.241, 'pos': 0.494, 'compound': 0.4404} </pre>

A saída da análise de sentimentos é um dicionário com os seguintes campos:

• <code>pos</code>: porcentagem positiva do texto
• <code>neg</code>: porcentagem negativa do texto
• <code>neu</code>: porcentagem neutra do texto
• <code>compound</code>: valor de sentimento geral normalizado, variando de -1 (extremamente negativo) a +1 (extremamente positivo)

O valor <code>compound</code> pode ser utilizado para descrever o sentimento predominante no texto, por meio dos limites de valores:

• Sentimento positivo: <code>compound >= 0.05</code>
• Sentimento negativo: <code>compound <= -0.05</code>
• Sentimento neutro: <code>(compound > -0.05) and (compound < 0.05)</code>

Citação (BibTeX)

Se você utilizar este projeto em sua pesquisa, considere citar o repositório:

<pre> @misc{Almeida2018, author = {Almeida, Rafael J. A.}, title = {LeIA - Léxico para Inferência Adaptada}, year = {2018}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {\url{https://github.com/rafjaa/LeIA}} } </pre>

O léxico VADER original é descrito no paper:

<pre> @inproceedings{gilbert2014vader, title={Vader: A parsimonious rule-based model for sentiment analysis of social media text}, author={Gilbert, CJ Hutto Eric}, booktitle={Eighth International Conference on Weblogs and Social Media (ICWSM-14). Available at (20/04/16) http://comp. social. gatech. edu/papers/icwsm14. vader. hutto. pdf}, year={2014} } </pre>