Análise de sentimento de Twittes

Para avaliar os twittes é necessário realizar uma série de processamento no texto. O intuito deste projeto não é de explicar detalhadamente este processo, mas fazer um breve resumo do processo para melhor entendimento. Para avaliar os textos dos twittes, primeiro precisamos retirar todos os caracteres especiais presentes no texto, como a pontuação, por exemplo.

Em seguida, realizamos o que chamamos de tokenização, que consiste em quebrar o texto em partes menores, no caso das frases que constituem os twittes em palavras, e também transformar em letras minúsculas, uma vez que o Python reconhece diferenças entre maiúsculo e minúsculo. Também é possível observar a morfologia de cada palavra (token). Assim conseguimos dizer se a palara é um verbo, advérbio, adjetivo, etc., e, além disso, dizer se a palavra está flexionada. No caso da palavra estar flexionada é possível obter a palavra sem alguma flexão.

Por fim, um processo importante é retirar o que chamamos de stopwords que são as palavras que não significam nada como os artigos e preposições. Depois desses processamentos é que podemos iniciar a análise dos textos que já não são mais textos e sim palavras minúsculas e sem flexão.

Nesta worcloud observamos as palavras individuais mais frequentes que encontramos em todos os twittes coletados. Chamo a atenção que neste caso não foram eliminados os retwittes! Rapidamente identificamos que as palavras mais mencionadas foram: cancer, present e patient.