Para a identificação do sentimento dos comentários, utilizamos a técnica de processamento de linguagem natural (PLN). Essa técnica é uma vertente da inteligência artificial que une os campos de machine learning e linguística. 

O PLN usa machine learning para revelar a estrutura e o significado do texto. Com isso, é possível aplicar PLN em diversos cenários que envolvam a extração de insights de dados, tais como: filtros de e-mail (identificar se um email é spam ou não), assistentes virtuais inteligentes (por exemplo a Alexa da Amazon), texto preditivo (correção automática, por exemplo) e até mesmo chatbots. 

O nosso algoritmo usa um modelo pré-treinado para examinar e analisar os comentários para coletar insights e, dessa forma, identificar o sentimento dominante do texto. Ele retorna o sentimento mais provável do texto, bem como as pontuações para cada um dos sentimentos (positivo, negativo, neutro ou misto). 

A pontuação representa a probabilidade de o sentimento ter sido detectado corretamente. Este modelo é treinado continuamente em um grande corpo de texto - ou seja, ele está em contínua evolução.

Alguns comentários podem ter o sentimento confuso e não fornecer detalhes suficientes para influenciar alguma decisão. Nesses casos, o algoritmo pode interpretar de uma forma que não seja exatamente a certa. 


No exemplo abaixo, temos o comentário “As pessoas são super solícitas", que foi classificado como negativo. 


 


Como na imagem abaixo, a IA da Vaipe faz a leitura do comentário e o divide em pontuações positiva, negativa, neutra e mista. O que tiver maior pontuação determina o sentimento.