Toda empresa hoje lida com um volume de opinião em texto que crescia devagar até há pouco tempo e agora não para: review, comentário, ticket de suporte, avaliação em rede social. A resposta padrão do mercado foi automatizar a leitura dessa opinião com análise de sentimentos, mas a maioria dessas ferramentas reduz emoção a uma escala pobre demais para o volume e a variedade do que está sendo dito: positivo, negativo, neutro.
O problema prático é que decisão de negócio raramente cabe nessa escala. Um cliente surpreso com uma cobrança inesperada e um cliente entediado com o atendimento recebem o mesmo rótulo “negativo”, mas pedem reação completamente diferente, e um sinal de surpresa positiva em feedback costuma anteceder tanto o churn quanto o encantamento, dependendo do que vem a seguir. Quanto mais opinião em texto uma empresa precisa processar, mais caro fica ignorar essa diferença.
Este projeto testa se a linguagem, sozinha, carrega uma estrutura emocional rica o suficiente para sustentar essa distinção, sem depender de anotação humana cara para cada novo domínio de texto.
Reunimos 12 modelos de linguagem bem diferentes entre si, de veteranos como word2vec e GloVe a embeddings comerciais modernos, e medimos, para cada um, quais emoções ele considera próximas e quais considera distantes, num vocabulário de 77 palavras. Combinamos as 12 geometrias num consenso e comparamos esse mapa, construído só de máquina, com as normas psicométricas medidas em pessoas.
O resultado: o consenso recupera as quatro dimensões do modelo GRID da psicologia, incluindo a dimensão de novidade, que a análise de sentimento comercial ignora por completo.
A demonstração abaixo deixa explorar esse mapa de forma interativa: navegue pelas 77 emoções, veja como cada modelo individual se compara ao consenso, e onde a geometria da máquina se aproxima (ou se afasta) do julgamento humano.
Leia a análise completa: Além de positivo ou negativo: uma nova régua para medir emoção em texto.