A ascensão das redes sociais mudou profundamente a forma como as informações e opiniões são propagadas, disponibilizando um montante de dados sem precedentes. Isso trouxe, contudo, novos problemas. Extrair informações relevantes e assertivas de um emaranhado tão grande de dados é um dos maiores e mais recompensadores desafios contemporâneos. A análise de sentimentos se presta a resolver esse problema. Nela, são empregadas técnicas computacionais com o objetivo de construir sistemas que atuem de forma automatizada na classificação de sentimentos extraídos de documentos escritos em linguagem natural, como os provenientes de redes sociais. Neste trabalho, estão reunidos os principais conceitos, padrões e técnicas empregados na análise de sentimentos, com um foco especial sobre os trabalhos que vem sendo desenvolvidos para a predição de eleições governamentais usando dos dados do Twitter.
The rise of social networks has profoundly changed the way information and opinions are disseminated, making an unprecedented amount of data available. However, this has brought new problems. Extracting relevant and assertive information from such a large tangle of data is one of the greatest and most rewarding contemporary challenges. Sentiment analysis is a solution to this problem. In this study, computational techniques are used to build systems that automatically classify sentiments extracted from documents written in natural language, such as those from social networks. This work brings together the main concepts, patterns and techniques used in sentiment analysis, with a special focus on the work that has been developed to predict government elections using Twitter data.
