Do subjetivo ao computável: desempenho de modelos clássicos na classificação de sentimentos em resenhas cinematográficas

Abstract

A análise de sentimentos tem se consolidado como uma ferramenta essencial para interpretar opiniões expressas em linguagem natural, especialmente em ambientes digitais. Este trabalho investiga o desempenho de algoritmos clássicos de aprendizado supervisionado na classificação de sentimentos em resenhas cinematográficas, buscando responder se esses modelos são capazes de interpretar adequadamente a polaridade emocional presente em textos opinativos. Utilizou-se o IMDB Dataset of 50K Movie Reviews, amplamente empregado como benchmark em estudos de Processamento de Linguagem Natural, aplicando técnicas de pré-processamento textual e vetorização por meio de TF-IDF. Foram avaliados os algoritmos K-Nearest Neighbors (KNN), Random Forest, Naive Bayes (ComplementNB, MultinomialNB e BernoulliNB) e Linear Support Vector Classifier (Support Vector Machine), em múltiplas configurações e tamanhos de amostra. Os resultados demonstraram que o Support Vector Machine apresentou o melhor desempenho geral, atingindo F1-Score de até 0,8725, enquanto os modelos Naive Bayes se destacaram pelo baixo custo computacional e resultados consistentes. O estudo conclui que algoritmos clássicos são capazes de realizar análise de sentimentos com elevada precisão quando submetidos a adequado pré-processamento e otimização, contribuindo para aplicações como sistemas de recomendação, monitoramento de opinião pública e processamento de grandes volumes de dados textuais.

Sentiment analysis has become an essential tool for interpreting opinions expressed in natural language, especially in digital environments. This study investigates the performance of classical supervised learning algorithms in sentiment classification of film reviews, seeking to determine whether these models are capable of adequately interpreting the emotional polarity present in opinionated texts. The IMDB Dataset of 50K Movie Reviews, widely used as a benchmark in Natural Language Processing research, was employed along with preprocessing techniques and TF-IDF vectorization. The evaluated algorithms include K-Nearest Neighbors (KNN), Random Forest, Naive Bayes (ComplementNB, MultinomialNB and BernoulliNB) and Support Vector Machine (SVM), applied across multiple configurations and sample sizes. The results indicate that SVM achieved the best overall performance, reaching an F1-Score of up to 0.8725, while Naive Bayes models stood out for their low computational cost and consistent performance. The study concludes that classical algorithms are capable of performing sentiment analysis with high accuracy when appropriately optimized and combined with robust preprocessing, contributing to applications such as recommendation systems, public opinion monitoring and large-scale text processing.