5-Ions: um método para estimar o desempenho de entidades a partir de menções a entidades relacionadas em textos na web

Abstract

Publicações na Web (e.g. notícias) podem influenciar a opinião pública acerca de certas entidades (e.g., políticos, instituições). Vários indicadores podem ser automaticamente extraídos dos textos dessas publicações e usados para estimar o comportamento do desempenho das entidades (e.g., popularidade, intenção de votos) ao longo do tempo. Este trabalho propõe um método automático que utiliza ferramentas do estado da arte em processamento de linguagem natural para identificar menções a entidades em textos e os sentimentos a elas associados. A partir dessas informações o método proposto calcula métricas que são usadas para construir modelos de regressão e de classificação para estimar tendências de desempenho das entidades mencionadas ou de entidades semanticamente relacionadas a elas. Nosso método calcula métricas de desempenho a partir de indicadores consolidados para entidades semanticamente relacionadas, avalia as correlações dessas métricas consolidadas com o desempenho real das entidades e usa essas métricas consolidadas para estimar o comportamento do desempenho de cada entidade. Um algoritmo genético, alguns métodos de classificação e técnicas de regressão foram usados para compor tais métricas consolidadas e efetuar predições de maneiras adequadas. Resultados experimentais em estudos de caso envolvendo política e economia mostram que métricas consolidadas para várias entidades inter-relacionadas são melhor correlacionadas com medidas reais de desempenho observadas para algumas entidades-alvo e levam a melhores previsões, em comparação com métricas para apenas uma entidade.

Abstract: Publications on the Web (e.g. news) may influence public opinion about certain entities (e.g., politicians, institutions). Various indicators can be automatically extracted from the texts of these publications and used to estimate entity performance (e.g., popularity, vote intention) over time. This paper proposes an automatic method that uses state-ofthe-art tools for natural language processing to identify references to entities in texts and the associated sentiment. The extracted information is used to calculate metrics that are used to build regression and classification models to estimate the performance trends of the mentioned entities or entities semantically related to them. Our method calculates performance metrics from consolidated indicators for semantically related entities, assesses the correlations of these consolidated metrics with actual entity performance, and uses the consolidated metrics to estimate the performance of each entity. A genetic algorithm, some classification methods, and regression techniques were used to compose such consolidated metrics and make predictions in appropriate ways. Experimental results in case studies involving politics and economics show that consolidated metrics for several interrelated entities are better correlated with actual performance measures observed for some target entities and lead to better prediction than metrics for just one entity.