Explorando a Eficácia das Linguagens Generativas em Tarefas de Análise de Sentimentos no Português Brasileiro
Resumen
Modelos de linguagem de grande escala (LLMs) têm se destacado em diversas tarefas de processamento de linguagem natural (PLN). Este artigo investiga sua eficácia em tarefas de análise de sentimentos no contexto do português brasileiro, explorando a identificação de frases opinativas, polaridade e frases comparativas. O estudo avalia o desempenho de modelos como ChatGPT e Sabiá em diferentes tarefas e conjuntos de dados, comparando-os com métodos da literatura. Ainda, exploramos o uso de LLMs na anotação automática de dados. Os resultados demonstram o potencial dos LLMs na análise de sentimentos, especialmente na identificação de polaridade, e discutem suas limitações e aplicações em tarefas de anotação de dados.
Derechos de autor 2024 Tiago de Melo, Gladson de Araújo, Carlos Maurício S. Figueiredo
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
Los autores que envíen sus trabajos a esta revista implícitamente estón de acuerdo con los siguientes términos:
- Los autores retienen los derechos de autor de sus trabajos, permitiendo a esta revista su primera publicación bajo licencia de Creative Commons Attribution License, que permite a otros acceder libremente, usar y compartir dicho trabajo, citando adecuadamente la autoría del trabajo y su presentación en esta revista.
- Los autores pueden prescindir de los términos de licencia de CC y acordar por su cuenta arreglos contractuales adicionales independientes para la distribución no exclusiva y posterior publicación de este trabajo (p.e., para incluirlo en un repositorio institucional o publicarlo en un libro), citando adecuadamente su publicación inicial en esta revista.
- Además, se anima a los autores a poner en línea su trabajo (p.e., en repositorios institucionales o en su propio sitio web) en cualquier momento antes o durante el proceso de envío, ya que eso puede conducir a intercambios productivos y a un número mayor y más temprano de citas del trabajo publicado (Ver The Effect of Open Access).
