Análise adaptativa de fluxos de sentimento

Nos ultimos anos, a tarefa de analise de sentimentos tem atraido o interesse de pesquisadores de aprendizado de maquina. Esse interesse tem crescido significativamente devido o grande volume de conteudo opinativo gerado e compartilhado atraves das midias sociais online. Considerando os beneficios de conhecer o sentimento da populacao em relacao a diferentes topicos e entidades, a analise deste conteudo, gerado pelas midias sociais, se faz uma tarefa promissora e necessaria. Muitas tecnicas de classificacao automatica tem sido utilizadas para realizar a analise de sentimento, contudo e consenso que o modelo de chegada de mensagens a partir de midias sociais segue o paradigma de fluxo de dados e as tecnicas de classificacao tradicionais nao estao adequadas para tratar as caracteristicas especificas deste fluxo de sentimento que e criado. Entre os desafios impostos as tecnicas classificacao podemos destacar: (1) o concept drift (i.e., constantes mudancas nas caracteristicas dos dados, que neste trabalho foi abordado como sentiment drift), (2) a necessidade de atualizacao em tempo real do modelo de classificacao a partir de mensagens mais recentes e (3) a limitacao de tempo de computacao e dados para treinamento, o que torna ainda mais dificil os dois primeiros desafios citados.