The hardware and bandwidth for this mirror is donated by dogado GmbH, the Webhosting and Full Service-Cloud Provider. Check out our Wordpress Tutorial.
If you wish to report a bug, or if you are interested in having us mirror your free-software or open-source project, please feel free to contact us at mirror[@]dogado.de.

Análise de sentimento

O que é análise de sentimento com léxico

Análise de sentimento baseada em léxico classifica textos em positivo, negativo ou neutro contando palavras de listas curadas: palavras que carregam valência positiva (excelente, aprovar, conquista) contra palavras de valência negativa (péssimo, fracasso, retrocesso).

O acR usa por padrão o OpLexicon (Souza & Vieira, 2012), o mais usado para português brasileiro, com cerca de 30 mil palavras rotuladas.

Quando usar léxico vs. LLM?

Cenário Léxico LLM
Sinal grosso em milhares de docs ✅ ❌ caro
Ironia, sarcasmo, contexto ❌ ✅
Sem chave de API, sem rede ✅ ❌
Precisa reprodutibilidade exata ✅ ⚠️ estocástico
Documentos muito curtos (tweets) ⚠️ ✅

Regra prática: use léxico para panorama rápido e filtragem de casos extremos, depois use codificação qualitativa (via ac_qual_code()) na amostra que interessa.

library(acR)
library(dplyr)

1. Corpus: pronunciamentos sobre uma reforma polêmica

Corpus fabricado de 14 pronunciamentos, com metadados de partido e posição declarada. Serve para exercitar visualizações; em corpora reais, substitua pela coleta via ac_fetch_camara() ou ac_fetch_senado().

textos <- c(
  # Favoráveis
  "Excelente proposta que moderniza o sistema e protege as geracoes futuras.",
  "Aprovamos com convicção esta reforma responsável e necessária ao país.",
  "Vitória histórica para a economia: reforma corrige distorções antigas.",
  "Reforma equilibrada garante sustentabilidade fiscal e futuro promissor.",
  "Conquista importante que beneficia trabalhadores e empresas do Brasil.",
  # Contrários
  "Esta reforma é um retrocesso vergonhoso que prejudica os trabalhadores.",
  "Voto contra: proposta desastrosa ataca os mais pobres e vulneráveis.",
  "Uma tragédia nacional: estão roubando direitos duramente conquistados.",
  "Rejeitamos com indignação essa proposta injusta e cruel com o povo.",
  "Reforma péssima que aprofunda desigualdades e destrói a proteção social.",
  # Neutros / técnicos
  "O texto substitutivo altera o artigo 201 da Constituição Federal.",
  "O relatório final incorporou emendas apresentadas em plenário.",
  "A comissão aprovou o parecer com dez votos a favor e oito contra.",
  "A proposta segue para votação na próxima sessão ordinária."
)

df <- data.frame(
  text     = textos,
  posicao  = c(rep("favor", 5), rep("contra", 5), rep("neutro", 4)),
  partido  = c("PT","PSD","PL","MDB","PSDB",
               "PSOL","PT","PDT","PSOL","PCdoB",
               "MDB","PSDB","PL","MDB"),
  stringsAsFactors = FALSE
)
corpus <- ac_corpus(df)
corpus
#> 
#> ── Corpus acR ──────────────────────────────────────────────────────────────────
#> • Documentos: 14
#> • Metadados: 2 colunas
#> • Idioma: "pt"
#> 
#> # A tibble: 14 × 4
#>   doc_id text                                                    posicao partido
#>   <chr>  <chr>                                                   <chr>   <chr>  
#> 1 doc_1  Excelente proposta que moderniza o sistema e protege a… favor   PT     
#> 2 doc_2  Aprovamos com convicção esta reforma responsável e nec… favor   PSD    
#> 3 doc_3  Vitória histórica para a economia: reforma corrige dis… favor   PL     
#> 4 doc_4  Reforma equilibrada garante sustentabilidade fiscal e … favor   MDB    
#> 5 doc_5  Conquista importante que beneficia trabalhadores e emp… favor   PSDB   
#> 6 doc_6  Esta reforma é um retrocesso vergonhoso que prejudica … contra  PSOL   
#> # ℹ 8 more rows

2. Sentimento por documento

ac_sentiment() retorna um tibble com contagens de palavras positivas (n_pos), negativas (n_neg) e neutras (n_neu), o score (n_pos − n_neg pelo método padrão sum) e o rótulo categórico sentiment.

sent <- ac_sentiment(corpus)
sent
#> # A tibble: 14 × 6
#>    doc_id n_pos n_neg n_neu score sentiment
#>    <chr>  <int> <int> <int> <int> <chr>    
#>  1 doc_1      1     0    10     1 positivo 
#>  2 doc_10     0     1     9    -1 negativo 
#>  3 doc_11     0     0    10     0 neutro   
#>  4 doc_12     0     1     7    -1 negativo 
#>  5 doc_13     1     0    12     1 positivo 
#>  6 doc_14     0     1     8    -1 negativo 
#>  7 doc_2      1     0     9     1 positivo 
#>  8 doc_3      0     0     9     0 neutro   
#>  9 doc_4      2     0     6     2 positivo 
#> 10 doc_5      2     0     7     2 positivo 
#> 11 doc_6      1     1     8     0 neutro   
#> 12 doc_7      0     3     7    -3 negativo 
#> 13 doc_8      0     0     8     0 neutro   
#> 14 doc_9      0     2     9    -2 negativo

Cruzando com a posição declarada: o léxico “acerta”?

sent |>
  dplyr::left_join(df |> dplyr::mutate(doc_id = paste0("doc_", dplyr::row_number())),
                   by = "doc_id") |>
  dplyr::count(posicao, sentiment) |>
  tidyr::pivot_wider(names_from = sentiment, values_from = n, values_fill = 0L)
#> # A tibble: 3 × 4
#>   posicao negativo neutro positivo
#>   <chr>      <int>  <int>    <int>
#> 1 contra         3      2        0
#> 2 favor          0      1        4
#> 3 neutro         2      1        1

Como ler esta tabela

  1. Onde olhar. Cada linha é uma posição declarada pelos autores (favor, contra, neutro); cada coluna é o rótulo que o léxico deu. Leia por linha: o número em cada célula é quantos discursos daquela posição receberam aquele rótulo. O acerto está nas células “favor × positivo” e “contra × negativo”.

  2. O que este exemplo mostra. Dos 5 discursos favor, 4 saem positivo; dos 5 contra, 3 saem negativo; nenhum discurso é invertido (não há “contra” lido como positivo, nem “favor” como negativo). Os erros caem todos em neutro ou nos textos técnicos. Os três casos que mais ensinam: doc_3 (“Vitória histórica para a economia”) e doc_8 (“Uma tragédia nacional: estão roubando direitos”) saem neutros porque nenhuma das palavras deles está no OpLexicon; e doc_14 (“segue para votação na próxima sessão ordinária”) sai negativo porque o léxico lê “ordinária” como adjetivo pejorativo.

  3. Em palavras simples. O léxico acerta a direção quando o texto usa adjetivos de opinião (“excelente”, “desastrosa”), e erra de dois jeitos: quando a opinião está em substantivos e verbos que ele não conhece (cobertura) e quando uma palavra tem outro sentido no jargão legislativo (domínio).

  4. Cuidado. Esses dois erros são os clássicos do método de dicionário (Grimmer & Stewart, 2013). O OpLexicon é formado sobretudo por adjetivos (Souza et al., 2011), e palavras mudam de polaridade conforme o domínio: Loughran & McDonald (2011) mostraram o mesmo com “liability” em relatórios financeiros. Antes de usar o léxico num corpus legislativo, liste os termos dele mais frequentes no seu corpus, corrija os que têm outro sentido e valide numa amostra humana (ac_dictionary_validate()).

3. Comparar métodos de agregação

Três métodos alteram como o score é calculado a partir das contagens:

sent_sum   <- ac_sentiment(corpus, method = "sum")
sent_mean  <- ac_sentiment(corpus, method = "mean")
sent_ratio <- ac_sentiment(corpus, method = "ratio")

comparacao <- data.frame(
  doc_id = sent_sum$doc_id,
  sum    = round(sent_sum$score,   2),
  mean   = round(sent_mean$score,  2),
  ratio  = round(sent_ratio$score, 2)
)
head(comparacao, 10)
#>    doc_id sum  mean ratio
#> 1   doc_1   1  0.09     1
#> 2  doc_10  -1 -0.10    -1
#> 3  doc_11   0  0.00     0
#> 4  doc_12  -1 -0.12    -1
#> 5  doc_13   1  0.08     1
#> 6  doc_14  -1 -0.11    -1
#> 7   doc_2   1  0.10     1
#> 8   doc_3   0  0.00     0
#> 9   doc_4   2  0.25     1
#> 10  doc_5   2  0.22     1

4. Visualização: barras por documento

ac_plot_sentiment(sent, type = "bar") +
  ggplot2::labs(
    title    = "Sentimento por documento",
    subtitle = "Contagem de palavras positivas vs. negativas (OpLexicon)",
    caption  = "acR - ac_plot_sentiment(type = \"bar\")"
  )

Como ler este gráfico

  1. Onde olhar. Cada barra é um discurso, e o comprimento é o score (palavras positivas menos negativas). Barra para a direita (verde) = saldo positivo; para a esquerda (laranja) = negativo; sem barra = saldo zero. As barras estão ordenadas pelo escore, não pela ordem dos documentos.

  2. O que este exemplo mostra. No topo, doc_4 e doc_5 (+2, ambos favoráveis); na base, doc_7 (−3, contrário: “proposta desastrosa ataca os mais pobres e vulneráveis”, três palavras negativas). Quatro discursos ficam sem barra (escore 0): só um é técnico (doc_11); os outros são doc_3 (favorável), doc_6 e doc_8 (contrários). E dois textos técnicos (doc_12, doc_14) aparecem em laranja.

  3. Em palavras simples. O gráfico ordena os discursos do mais positivo ao mais negativo segundo o léxico, mas a ordem só é tão boa quanto o léxico: as barras “vazias” e as laranjas dos textos técnicos são os erros de cobertura e de domínio da seção 2.

  4. Cuidado. A cor depende só do sinal: +1 recebe o mesmo verde que +2, embora +1 seja um caso quase neutro (uma única palavra positiva). E o escore sum cresce com o tamanho do texto; em textos de tamanhos muito diferentes, compare com method = "mean" ou "ratio" (seção 3).

5. Visualização: distribuição (densidade)

Útil para ver a forma da distribuição: sentimento é bimodal (dois picos, favor e contra) ou tem uma cauda longa?

ac_plot_sentiment(sent, type = "density") +
  ggplot2::labs(
    title    = "Distribuição de scores de sentimento",
    subtitle = "Curvas separadas pelo sinal do escore (veja a nota abaixo)"
  )

Como ler este gráfico

  1. Onde olhar. Uma curva colorida para cada rótulo (positivo, negativo, neutro). A linha tracejada vertical marca o zero.

  2. O que este exemplo mostra. A curva verde fica toda à direita do zero, a laranja toda à esquerda, e a cinza é um pico fino em cima do zero.

  3. Em palavras simples. Essa separação não é um achado: as cores foram definidas pelo próprio sinal do escore, então a curva “positivo” só pode ficar à direita do zero, e a “neutro” só pode ficar no zero. Aconteceria com qualquer conjunto de textos. Este gráfico não mostra polarização; ele só mostra como cada grupo de rótulo se espalha.

  4. Cuidado. Polarização, no sentido de DiMaggio, Evans & Bryson (1996), é uma propriedade da distribuição inteira (o quanto os escores se espalham e se formam dois montes). Avalie olhando todos os escores juntos, como no histograma abaixo, ou colorindo por uma variável que não seja o próprio escore (a posição declarada, por exemplo). E com 14 documentos a estimativa de densidade é instável (Silverman, 1986).

ggplot2::ggplot(sent, ggplot2::aes(x = score)) +
  ggplot2::geom_histogram(binwidth = 1, fill = "grey60", color = "white") +
  ggplot2::geom_vline(xintercept = 0, linetype = "dashed", color = "grey40") +
  ggplot2::labs(
    title    = "Distribuição de todos os escores",
    subtitle = "Uma única distribuição: é aqui que se avalia polarização",
    x = "Score", y = "Documentos"
  ) +
  ggplot2::theme_minimal()

Como ler este gráfico

  1. Onde olhar. Cada barra é um valor de escore (−3, −2, …, +2), e a altura é quantos discursos tiveram aquele escore. A linha tracejada marca o zero. Procure dois montes separados (sinal de polarização) ou um monte só (sinal de consenso ou de pouca opinião).

  2. O que este exemplo mostra. A barra mais alta é a do zero (4 discursos); −1 e +1 vêm logo depois (3 cada); as pontas são curtas (um discurso em −3, um em −2, dois em +2). É um monte só, centrado perto do zero.

  3. Em palavras simples. Pelos escores do léxico, o corpus parece pouco polarizado, embora os autores tenham declarado posições bem opostas (favor e contra).

  4. Cuidado. O histograma descreve os escores, não as posições reais. Parte dos discursos opinativos caiu no zero por falta de cobertura do léxico (seção 2), o que puxa a distribuição para o centro. Quando o histograma contradiz o que você sabe do corpus, a explicação costuma estar no instrumento, não nos textos.

6. Visualização: série ordenada

Se seus documentos têm ordem temporal (discursos ao longo do ano), a série mostra tendência. Atenção: ac_plot_sentiment(type = "line") desenha o eixo X na ordem dos levels de doc_id; se doc_id for só texto (character), o R usa ordem alfabética de string por padrão, não a ordem de criação nem cronológica. Com rótulos como doc_1…doc_14, isso significa que doc_10 apareceria logo depois de doc_1 e antes de doc_2. Para evitar isso, transforme doc_id num factor com os levels na ordem desejada antes de plotar:

sent_ordenado <- sent
sent_ordenado$doc_id <- factor(sent_ordenado$doc_id, levels = paste0("doc_", 1:14))

ac_plot_sentiment(sent_ordenado, type = "line") +
  ggplot2::labs(
    title    = "Sentimento ao longo dos documentos (ordem de entrada)",
    subtitle = "doc_id reordenado explicitamente como factor (ver texto)"
  )

Como ler este gráfico

  1. Onde olhar. O eixo horizontal é a ordem dos documentos (doc_1 a doc_14); cada ponto é o escore de um documento, colorido pelo rótulo; a linha tracejada é o zero.

  2. O que este exemplo mostra. Os 5 primeiros pontos ficam acima do zero ou nele, os 5 seguintes (doc_6 a doc_10) descem até −3, e os 4 últimos ficam perto do zero.

  3. Em palavras simples. A “série” sobe, cai e se estabiliza, mas isso não é tendência no tempo: os documentos foram criados em três blocos, primeiro os favoráveis, depois os contrários, depois os técnicos. O desenho só reproduz a ordem em que o exemplo foi montado.

  4. Cuidado. Uma linha só mostra evolução se o eixo for de fato tempo. Numa análise real, ordene pela data de publicação (ou use ac_temporal(), que agrega por período) e desconfie de oscilações ponto a ponto em amostras pequenas: costumam ser ruído.

7. Agregação por grupo (partido)

A análise mais útil raramente é doc-a-doc: é comparar grupos. Vamos agregar por partido:

por_partido <- sent |>
  dplyr::left_join(df |> dplyr::mutate(doc_id = paste0("doc_", dplyr::row_number())),
                   by = "doc_id") |>
  dplyr::group_by(partido) |>
  dplyr::summarise(
    n_docs     = dplyr::n(),
    score_med  = round(mean(score), 2),
    score_dp   = round(stats::sd(score, na.rm = TRUE), 2),
    n_positivo = sum(sentiment == "positivo"),
    n_negativo = sum(sentiment == "negativo"),
    n_neutro   = sum(sentiment == "neutro"),
    .groups    = "drop"
  ) |>
  dplyr::arrange(dplyr::desc(score_med))

por_partido
#> # A tibble: 8 × 7
#>   partido n_docs score_med score_dp n_positivo n_negativo n_neutro
#>   <chr>    <int>     <dbl>    <dbl>      <int>      <int>    <int>
#> 1 PSD          1      1       NA             1          0        0
#> 2 PL           2      0.5      0.71          1          0        1
#> 3 PSDB         2      0.5      2.12          1          1        0
#> 4 MDB          3      0.33     1.53          1          1        1
#> 5 PDT          1      0       NA             0          0        1
#> 6 PCdoB        1     -1       NA             0          1        0
#> 7 PSOL         2     -1        1.41          0          1        1
#> 8 PT           2     -1        2.83          1          1        0

Visualização (ranqueando partidos pelo score médio):

if (requireNamespace("ggplot2", quietly = TRUE)) {
  ggplot2::ggplot(
    por_partido,
    ggplot2::aes(x = stats::reorder(partido, score_med), y = score_med,
                 fill = score_med > 0)
  ) +
    ggplot2::geom_col(alpha = 0.85, show.legend = FALSE) +
    ggplot2::geom_hline(yintercept = 0, linetype = 2, color = "grey40") +
    ggplot2::coord_flip() +
    ggplot2::scale_fill_manual(values = c("TRUE" = "#166534", "FALSE" = "#991B1B")) +
    ggplot2::labs(
      title    = "Sentimento médio por partido",
      subtitle = "Score médio agregando pronunciamentos por sigla partidária",
      x        = NULL,
      y        = "Score médio (positivo = verde, negativo = vermelho)",
      caption  = "acR"
    ) +
    ggplot2::theme_minimal(base_size = 12) +
    ggplot2::theme(
      plot.title    = ggplot2::element_text(face = "bold"),
      plot.subtitle = ggplot2::element_text(color = "grey40", size = 10),
      panel.grid.major.y = ggplot2::element_blank()
    )
}

Como ler esta tabela

  1. Onde olhar. Uma linha por partido. Leia score_med (média dos escores) sempre junto com n_docs (quantos discursos entraram na média) e score_dp (desvio-padrão: o quanto os discursos do partido discordam entre si).

  2. O que este exemplo mostra. PSD tem a maior média (1,00), mas com 1 discurso só. O PT aparece com média −1,00, perto do PSOL e do PCdoB, mas o desvio-padrão dele é o maior da tabela (2,83): seus 2 discursos são um favorável (+1) e um contrário (−3), e a média de posições opostas parece uma posição negativa que nenhum dos dois discursos tem.

  3. Em palavras simples. A média resume bem um partido quando os discursos dele são parecidos; quando são opostos, ela inventa um meio-termo. O desvio-padrão alto é o aviso.

  4. Cuidado. Com 1 a 3 discursos por partido, nenhuma dessas médias sustenta uma afirmação sobre “a posição do partido”. Reporte n_docs e score_dp ao lado da média, e quando o desvio-padrão for alto, olhe os discursos individuais antes de concluir.

8. Termos-chave dentro do texto (X-ray)

ac_plot_xray() mostra onde termos-alvo aparecem dentro de cada documento. Útil para ver se palavras negativas se concentram no começo, meio ou fim, sinal de estrutura retórica.

ac_plot_xray(corpus, terms = c("reforma", "trabalhadores", "proposta")) +
  ggplot2::labs(
    title    = "Onde os termos-chave aparecem no corpus",
    subtitle = "Cada ponto marca uma ocorrência do termo (posição relativa no texto)"
  )

Como ler este gráfico

  1. Onde olhar. Cada linha é um documento; cada marca é uma ocorrência de um dos termos buscados, colorida pelo termo. O eixo horizontal é a posição relativa dentro do texto: 0 = primeira palavra, 1 = última.

  2. O que este exemplo mostra. reforma aparece no começo de vários discursos (posição 0 em doc_4 e doc_10, 0,11 em doc_6); proposta também tende ao início (de 0,10 a 0,40); trabalhadores aparece no meio de doc_5 (0,50) e na última palavra de doc_6 (1,00).

  3. Em palavras simples. Nos discursos contrários e favoráveis, o objeto do debate (“a reforma”, “a proposta”) é nomeado logo no início da frase, e as consequências (“prejudica os trabalhadores”) vêm no fim.

  4. Cuidado. O X-ray foi pensado para documentos longos, onde início, meio e fim correspondem a partes do discurso (introdução, argumento, conclusão). Aqui cada documento é uma frase só, então a posição reflete a ordem das palavras na frase, não a estrutura retórica. Use o gráfico para ver onde um termo aparece; a interpretação de por que aparece ali pede leitura dos trechos (ac_kwic()).

9. Exportar para artigo/relatório

# Tabela por partido pronta para colar no LaTeX
ac_export(por_partido, arquivo = "sentimento_por_partido.tex", formato = "latex")

# CSV para Excel/planilha
ac_export(sent, arquivo = "sentimento.csv", formato = "csv")

# Se quiser passar para a etapa qualitativa (LLM):
# amostrar documentos ambíguos (perto de score = 0) para revisão humana
casos_limitrofes <- sent |> dplyr::filter(abs(score) <= 1)

Referências

These binaries (installable software) and packages are in development.
They may not be fully stable and should be used with caution. We make no claims about them.
Health stats visible at Monitor.