Aprender emoções utilizando técnicas automatizadas de deteção de afectos

Num mundo progressivamente digitalizado, é discutível se a Humanidade terá um dia de ser redefinida. Se os processos químicos, como as emoções, forem um dia compreendidos por "seres digitais", a Humanidade entrará provavelmente na era "Transisto-Sapiens". Neste projeto, o foco é a identificação de sentimentos em textos. Extraídos do Twitter, uma rede social que permite à sua comunidade responder à pergunta: "o que estás a fazer?" em 140 caracteres, estes textos apresentam normalmente uma falta de estrutura gramatical. A abordagem clássica que considera ferramentas como um analisador de frases ou um etiquetador POS não se aplica. De facto, como existe pouco conteúdo informativo, uma política de redução de características demasiado rigorosa resultaria frequentemente na ausência de qualquer texto. O interesse é, portanto, avaliar a exatidão que se pode esperar de um corpus não pré-processado. Centrando-se apenas nas características de superfície, é necessária uma métrica que meça o conteúdo emocional de um determinado conceito. Tanto quanto é do conhecimento do autor, até à data não foi feito nenhum. Usando a WordNet combinada com o modelo afetivo Plutchik, foi assim concebida uma métrica simples baseada em arestas.