Classificação do sentimento em críticas de filmes com base no contexto

O rápido crescimento das plataformas digitais levou a um enorme aumento do texto gerado pelos utilizadores, especialmente críticas de filmes. A análise manual desses dados é difícil e demorada. A análise de sentimentos, uma área importante do Processamento de Linguagem Natural (PLN), ajuda a identificar automaticamente as opiniões expressas no texto. Este estudo desenvolve um sistema baseado em aprendizagem profunda para classificar críticas de filmes como positivas ou negativas. Foi utilizado o conjunto de dados do IMDB, composto por 50 000 críticas rotuladas. O pré-processamento dos dados incluiu a remoção de tags HTML, normalização, tokenização, remoção de palavras vazias e stemming. O texto processado foi convertido em formato numérico utilizando embeddings de palavras para captar o significado. Foi utilizado um modelo LSTM bidirecional, que lê o texto em ambas as direções para compreender o contexto melhor do que os modelos tradicionais. O modelo foi treinado com o otimizador Adam e a perda de entropia cruzada binária, com paragem antecipada para reduzir o sobreajuste. Os resultados revelaram uma precisão de cerca de 88,5%, comprovando a eficácia do modelo. Esta abordagem pode ser aplicada em sistemas de recomendação, análise de redes sociais e avaliação de feedback.