O aumento na quantidade de conteúdo independente produzido na WEB nos últimos anos, principalmente pelo aumento no número de usuários, permitiram que algumas áreas, como Análise de Sentimentos (AS), também chamada de Mineração de Opiniões, se desenvolvessem para extrair dados e informações que possam ser utilizados em diversas aplicações e contextos. Dentre os principais desafios da AS podemos destacar a criação de Classificadores de Sentimentos eficazes. Esse modelos de classificação determinam a polaridade implícita ou explícita do texto, identificada como uma escala de pontuação de sua característica positiva, negativa ou neutra.
Para a criação automatizada desses modelos de classificação de sentimentos o trabalho utiliza a Programação Genética (PG), um campo da Computação Evolucionária (CE) que busca resolver problemas de forma automatizada sem demandar conhecimentos detalhados sobre a solução. De forma geral, a PG possibilita a criação de programas de forma automatizada, iniciando com um conhecimento de alto nível sobre as regras gerais do problema.
Os resultados mostram que a abordagem utilizando a PG para a criação automatizada de modelos de classificação é promissora, superando o baseline e mostrando-se competitiva com outros trabalhos relacionados ao tema. Destaca-se o desempenho do trabalho na avaliação de mensagens da base LiveJournal do benchmark SemEval2014, com F1 score médio de aproximadamente 66%, apenas 8 pontos abaixo do primeiro colocado na competição. Em todas as bases de teste do benchmark a abordagem obteve resultados competitivos, posicionando-se dentro do ranking de trabalhos.