Assinatura Emocional de Autores em Obras Literárias

Ao longo deste trabalho levantamos a hipótese de que não apenas é possível realizar a identificação de autoria através da assinatura emocional dos autores, mas também é possível traçar uma assinatura emocional das épocas literárias em que estes autores se encontram. Partimos do princípio que determinados estágios na história da literatura como Romantismo, Renascença, Iluminismo e compartilham aspectos e perspectivas psicológicas similares dentro de sua obras. A visualização de dados, como os que lidamos, é dificil para mais de 3 dimensões. Assim, usamos a técnica de "Principal Component Analysis"(PCA) para a redução de dimensionalidade para a visualização dos autores num "Scatter Plot", dado na figura ao lado. O PCA consiste numa tranformação orthogonal que seleciona os componentes ou features de maior variância, ou os maiores responsáveis pela variância dos dados. Selecionando os dois componentes principais como x e y, pode-se gerar o "Scatter Plot". Apenas 2 componentes podem não mostrar bem a variância, mas pode-se ver na figura ao lado que há um agrupamento de autores da renascença de centro aproximado em y=20, x=120. Mais componentes poderiam permitir separar completamente as épocas, mas assim, voltaria a não ser viável a visualzação destes dados.

Para a identificação da assinatura emocional de cada autor, foram extraı́das diversas caracterı́sticas das obras literárias em questão. Essa extração é realizada através da contagem do percentual de palavras relacionadas a cada caracterı́sticas. Por exemplo, caso hajam 100 palavras relacionadas ao sentimento de tristeza (sadness) em um texto que possui no total 1.000 palavras, o percentual de ocorrência da tristeza é 0.1. Devido à grande quantidade de palavras que não correspondem a nenhuma feature, os percentuais ficam muito próximos de 0.1. A fim de tornar mais fácil a identificação da assinatura emocional para cada autor foi realizada uma normalização Min-Max. Desta forma é valorizada a diferença entre cada autor. O autor que possui o maior valor para a feature Tristeza é atribuı́do 100 e o autor com menor ocorrência de palavras ligadas a tristeza é atribuı́do 0.

Existem diversas features que permitem fazer uma análise da assinatura emocional de um autor. No campo da análise de sentimentos destacam-se analises das emoções positivas e negativas (positive and negative emotions), assim como sentimentos associados como tristeza (sadness) e alegria (joy). Ao confrontar essas features para diversos não só conseguimos entender características das conjunto das obras desse autor, mas também como elas servem para diferencia-los. Dessa forma, com o auxílio do dicionário do LIWC foi possível extrair as quatro features analisadas (Sadness, Negative, Positive and Joy). Além de permitir a distinção entre os autores, esse tipo de análise permite fazer recomendações aos usuários a cerca de emoções mais frequentes nas obras escolhidas.

A tabela ao lado apresenta todos os atributos extraidos dos texto com o propósito para identificar autoria neste trabalho. O primeiro conjunto de de atributos é fornecido pelo Emolex também conhecido como NRC Emotion Lexicon, ele contém mais de 14 mil palavras associadas a 8 emoções básicas mostradas na tabela. O segundo conjunto de atributos é fornecido pelo LIWC (Linguistic Inquiry and Word Count), uma ferramenta paga criada para realizar uma série de análises lingüı́sticas em textos. Apesar de possuir diversos outros atributos, utilizamos apenas 52 relacionados a psicometria.