TCC - Bacharelado em Sistemas de Informação (UAST)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/2936
Navegar
3 resultados
Resultados da Pesquisa
Item Analisando a opinião de usuários do Twitter em relação ao lockdown no Brasil: um estudo frente à mídia convencional(2022-05-23) Silva, Paulo Alves da; Belo, Ítalo César de Souza; Oliveira, Marcelo Iury de Sousa; http://lattes.cnpq.br/2328386382232459; http://lattes.cnpq.br/3240928244006916No cenário pandêmico, diversos países buscaram alternativas para reduzir os altos índices de contágio e mortalidade causados pela COVID-19. Dentre os meios utilizados, estava o lockdown que se caracteriza por ser a medida mais rígida de isolamento social. Embora o lockdown seja considerado por muitos uma excelente ferramenta para a proteção da saúde, a adoção dessa medida divide opiniões. Nesse sentido, a análise de sentimentos surge como um mecanismo que pode ser utilizado para compreender a opinião da população sobre o lockdown. O impacto social causado por essa medida contribui para o surgimento de matérias oriundas dos mais diversos veículos midiáticos, que podem influenciar fortemente o pensamento crítico da população. Nesse contexto, o presente trabalho realizou uma análise de sentimentos com o objetivo de compreender como os usuários do Twitter reagiram em relação à implantação do lockdown no Brasil durante a pandemia do COVID-19. Além disso, os resultados da análise no Twitter foram comparados com os conteúdos advindos da literatura cinza, focando nas matérias de autoria da mídia convencional, que abordaram informações acerca do tema. Para realização desta pesquisa, dados foram extraídos da rede social Twitter e processados através de um ensemble, composto pelos seguintes algoritmos de aprendizagem de máquina: Multinomial Naïve Bayes, SVM, Random Forest, rede neural MLP e o classificador de Regressão Logística. Além disso, técnicas de Active Learning, através da abordagem de incerteza, foram combinadas ao ensemble, para obter uma maior precisão dos dados classificados. De acordo com os resultados, notou-se uma interessante predominância de sentimentos a favor do lockdown, bem como, conflitos entre os dados obtidos pelo processo de análise de sentimentos no Twitter e informações publicadas na literatura cinza.Item Classificação automática de discursos de ódio em textos do twitter(2019) Nascimento, Robson Murilo Ferreira do; Souza, Ellen Polliana Ramos; http://lattes.cnpq.br/6593918610781356; http://lattes.cnpq.br/8962852253787699Discurso do ódio, ou no inglês Hate Speech, pode ser definido como qualquer ato de comunicação que inferiorize uma pessoa por sua etnia, raça, religião, orientação sexual, nacionalidade ou outras características. Esse ato está se tornando cada vez mais comum nas redes sociais, onde muitas pessoas confundem liberdade de expressão com intolerância. Os jovens são os principais afetados, pois representam um grupo mais fácil de ser atingido pela ideologia propagada pelos Haters, os quais exaltam a violência, adotam ideologias racistas e xenofóbicas, intolerância religiosa e etc. Uma ferramenta capaz de ajudar a combater esse problema, é a Mineração de Texto, que busca extrair regularidades, padrões ou tendências de textos em linguagem natural, assim podendo ser definida como um método de extração de informações relevantes em bases de dados não estruturadas ou semi-estruturadas. Considerando o Twitter como uma das redes sociais mais utilizadas no Brasil, este trabalho tem como objetivo de implementar e avaliar técnicas supervisionadas de aprendizagem de máquina, com intuito de identificar de forma automática discurso de ódio em tweets. Para isso, foram utilizados dois corpus, um na língua inglesa, previamente disponibilizado, e outro com a língua português do Brasil,o qual foi montado com texto do Twitter, que posteriormente parte dele foi anotado de forma manual, e ambos passaram por um pré-processamento, a fim de criar coleções douradas, utilizadas para construção e avaliação dos modelos supervisionados. Por fim, foi realizada uma análise comparativa dos algoritmos de aprendizagem de máquina: SVM, Naive-Bayse e Regressão Logística, combinados com a técnica de processamento de linguagem natural stemming.Item Comitê de classificador para mineração de opinião de eleitores brasileiros(2019) Souza, Guilherme Henrique Pereira de; Souza, Ellen Polliana Ramos; http://lattes.cnpq.br/6593918610781356; http://lattes.cnpq.br/2474970020729937O crescimento recente e exponencial das mídias sociais e do conteúdo gerado pelo usuário (CGU) na Internet fornece uma grande quantidade de dados que permite descobrir os sentimentos, as opiniões e as experiências de usuários e clientes. Dentre as diversas mídias sociais existentes atualmente, destaca-se o Twitter, Possuindo mais de 336 milhões de usuários mensais ativos. Compreender o que as pessoas estão pensando ou suas opiniões é fundamental para a tomada de decisão, principalmente no contexto no qual essas pessoas exprimem seus comentários voluntariamente. Para esse tipo de análise, utiliza-se a mineração de opinião, também conhecida como análise de sentimento, que analisa, opiniões, sentimentos e emoções das pessoas acerca de entidades como serviços, produtos, marcas, indivíduos, problemas, eventos e tópicos, podendo ser expressos de forma não estruturada, como em textos, por exemplo. A difusão das mídias sociais também levanta a possibilidade de se aprofundar na web para explorar e rastrear as preferências políticas e eleitorais dos cidadãos. Neste sentido, estudos recentes exploram as mídias sociais como um dispositivo para avaliar a popularidade dos políticos durante seu percurso eleitoral. Analisar as mídias sociais durante uma campanha eleitoral pode ser um suplemento ou complemento útil de pesquisas tradicionais e, dentre as razões, Destacam-se: o baixo custo e a velocidade de análise em tempo real. Este trabalho tem como objetivo analisar a eficiência de um comitê de classificador para aplicações de mineração de opinião, utilizando dados extraídos de eleitores brasileiros. Neste estudo, foi desenvolvida uma aplicação de mineração de opinião a nível de documento utilizando comitês de classificador, com o objetivo de analisar a eficiência dos comitês em aplicações desse tipo. Para isso, utilizou-se dados extraídos do Twitter contendo opiniões de eleitores brasileiros. Foram avaliadas seis configurações de pré-processamento e três abordagens de comitê de classificador, sendo elas: Voting, Bagging e Boosting. Os resultados foram obtidos em termos de Acurácia. De acordo com os experimentos realizados, a configuração 3, que utiliza de remoção de stopwords, n-gram e TF-IDF alcançou os melhores resultados, com acurácia de 90,26% para o comitê que utilizava a abordagem Boosting.