A maioria das ferramentas de monitorização de redes sociais inclui módulos de análise de sentimentos, concebidos para identificar o tom (positivo, negativo ou neutro) das menções feitas pelos consumidores nas redes sociais.
O Buzzmonitor também inclui este tipo de análise, baseada em algoritmos estatísticos que aplicam o Teorema de Bayes.
O que é o Teorema de Bayes e como é aplicado?
O Teorema de Bayes permite calcular a probabilidade de uma frase ter um determinado sentimento, considerando as palavras que a compõem e o contexto em que surgem. De forma simples, o algoritmo analisa cada termo de uma publicação e avalia a sua carga emocional com base num conjunto pré-definido de dados de treino.
Por exemplo:
Se uma mensagem incluir a palavra “bom”, que tem uma elevada probabilidade de ser positiva (por exemplo, 0,8), o algoritmo interpretará inicialmente a frase como positiva.
Mas se essa mesma palavra surgir juntamente com “mau”, o algoritmo ajustará essa probabilidade para baixo, já que aprendeu que essa combinação tende a ter uma conotação negativa. Assim, a pontuação poderá descer para 0,1, resultando numa avaliação negativa da publicação.
Por outro lado, se aparecer ao lado de “muito”, como em “muito bom”, a pontuação positiva aumenta, pois esta combinação tende a reforçar o sentimento positivo.
Como é que uma publicação é classificada?
Depois de analisar todas as palavras e combinações, o algoritmo calcula uma pontuação entre 0 e 1. Com base neste valor:
De 0 a 0,5 → Sentimento negativo
De 0,6 a 0,7 → Sentimento neutro
De 0,7 a 1 → Sentimento positivo
Como são treinados estes algoritmos?
O sistema baseia-se num conjunto de treino: uma base de dados com frases previamente classificadas por analistas humanos como positivas, negativas ou neutras. A partir destes dados, o algoritmo aprende as probabilidades associadas a cada termo e às combinações de termos.
Porque é que os resultados podem, por vezes, ser imprecisos?
A linguagem humana é complexa e cheia de nuances, como ironia, sarcasmo ou duplo sentido, que podem confundir até os algoritmos mais avançados.
Um exemplo típico:
“Essa música nova é como um vírus! Socorro, não consigo parar de a ouvir!”
Embora o sentimento geral seja positivo (a pessoa gosta da música), palavras como “vírus” ou “socorro” costumam ter conotação negativa, podendo levar a uma classificação errada.
Por isso, é importante lembrar que a análise de sentimentos é uma estimativa estatística, não uma interpretação perfeita. Deve ser vista como um indicador geral, útil para análises em grande escala, mas não como um diagnóstico absoluto.