DEEP LEARNING PARA CLASSIFICAÇÃO DE SENTIMENTO EM VÍDEOS UTILIZANDO LEGENDAS E COMENTÁRIOS
Palavras-chave:
Processamento de Linguagem Natural, Youtube, Engajamento, LegendasResumo
Este relato de pesquisa explora a aplicação de técnicas de Deep Learning para a classificação de sentimento em
vídeos do YouTube, utilizando legendas e comentários como fontes de dados. Desenvolveu-se um modelo híbrido de
Deep Learning, combinando camadas de embedding e LSTM bidirecional com entradas TF-IDF, para capturar nuances
contextuais e estatísticas da linguagem. O modelo foi treinado e avaliado em 5 rodadas, demonstrando desempenho
superior (Acurácia: 0.8857 ± 0.0653; F1-Score: 0.8566 ± 0.0828) em comparação com abordagens léxicas (VADER) e
pré-treinadas (RoBERTa). A análise de um dataset completo revelou predominância de sentimentos negativos e uma
correlação fraca entre sentimento e métricas de engajamento, sugerindo que o sentimento expresso não influencia
diretamente o engajamento do vídeo. Os resultados indicam a eficácia da abordagem híbrida para análise de sentimento
em conteúdo audiovisual.
