ABORDAGEM PARA DEFINIR A REPUTAÇÃO DO AUTOR EM COMENTÁRIOS DE PRODUTOS NA WEB UTILIZANDO REDES NEURAIS ARTIFICIAIS.

Abstract

RESUMO: Com a popularização da Web 2.0, os serviços de comércio eletrônico permitiram uma interação dos seus usuários de forma bastante intensa. Estes serviços disponibilizam, aos seus usuários, meios de opinar e, também, diversos recursos para avaliar as opiniões de outros usuários sobre determinados produtos ou serviços. Atualmente, estas avaliações podem ser feitas através de votos (positivos ou negativos), ranking de estrelas, compartilhamentos ou curtidas, por exemplo. Com um alto volume de opiniões e recursos avaliativos, se torna difícil para os novos consumidores lerem tantos comentários para tomarem decisões a cerca de uma compra. Além disso, conhecer a reputação do autor dos comentários é de suma importância para não ser enganado em suas buscas por uma nova aquisição. Neste sentido, a reputação de um autor é considerada uma variável muito importante para avaliar um comentário na Web. No entanto, não existe uma definição formal sobre como calcular essa variável. Para inferir os melhores comentários sobre produtos ou serviços, Sousa (2015) propôs a abordagem Top(x) que utiliza um Sistema Fuzzy com três variáveis de entrada: reputação do autor, número de tuplas <característica, palavra opinativa>e riqueza de vocabulário; e uma variável de saída: grau de importância do comentário. Este trabalho apresenta uma adaptação enfatizando a medida de reputação do autor, que consiste em utilizar seis medidas fornecidas como entradas em uma Rede Neural Artificial Perceptron de múltiplas camadas. Em uma avaliação preliminar, a Rede Neural apresentou a acurácia de 91,01% no processo de classificação do autor. Adicionalmente, foi realizado um experimento para comparar as duas abordagens e os resultados mostraram que a abordagem adaptada obteve um ganho na classificação da importância dos comentários.------------------ ABSTRACT: With the popularization of Web 2.0, the e-commerce services allowed a very intense interaction of its users. These services provide their users with a means of giving their opinions and also various resources to evaluate the opinions of other users about certain products or services. Currently, these ratings can be made by votes (positive or negative), stars ranking, shares or likes, for example. With a high volume of opinions and evaluative resources, it becomes difficult for new consumers to read so many comments to make decisions about a purchase. Also, knowing the author reputation for the reviews is of the utmost importance so as not to be misled in their quest for a new acquisition. In this context, author reputation is considered a very important variable for evaluating a comment on the Web. However, there is no formal definition on how to calculate this variable. In order to infer the best comments about products or services, Sousa(2015) proposed the Top(x) approach that uses a Fuzzy System with three input variables: author reputation, number of tuples <feature, quality word> and richness of vocabulary; and an output variable: degree of importance of the comment. This work presents an adaptation emphasizing the author reputation measure, which consists of using six measures provided as entries in a Artificial Neural Network Multilayer Perceptron. In a preliminary evaluation, the Neural Network presented the accuracy of 91.01% in the author’s classification process. In addition, an experiment was carried out to compare the two approaches and the results showed that the adapted approach obtained a gain in the classification of the importance of the comments.