Explorando a Eficácia das Linguagens Generativas em Tarefas de Análise de Sentimentos no Português Brasileiro

• Tiago de Melo ^[1] ; Gladson de Araújo ^[1] ; Carlos Maurício S. Figueiredo ^[1]
  1. [1] Universidade do Estado do Amazonas

     Universidade do Estado do Amazonas

     Brasil

     
• Localización: Linguamática, ISSN 1647-0818, Vol. 16, Nº. 2, 2024, págs. 41-58
• Idioma: portugués
• Títulos paralelos:
  • Exploring the Effectiveness of Generative Languages in Sentiment Analysis Tasks in Brazilian Portuguese
• Enlaces
  • Texto completo
• Resumen
  • English

    Large language models (LLMs) have been successfully applied in various natural language processing (NLP) tasks. This paper investigates their effectiveness in sentiment analysis tasks in the context of Brazilian Portuguese, exploring the identification of opinionated sentences, polarity, and comparative sentences. The study evaluates the performance of models such as ChatGPT and Sabiá on different tasks and datasets, comparing them with methods from the literature. Furthermore, we explore the use of LLMs in automatic data annotation. The results demonstrate the potential of LLMs in sentiment analysis, especially in polarity identification, and discuss their limitations and applications in data annotation tasks.

  • português

    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.