Show simple item record

dc.contributor.advisorMarar, João Fernando [UNESP]
dc.contributor.authorMedeiros, Richerland Pinto [UNESP]
dc.date.accessioned2017-06-27T17:04:09Z
dc.date.available2017-06-27T17:04:09Z
dc.date.issued2017-04-27
dc.identifier.urihttp://hdl.handle.net/11449/150974
dc.description.abstractEsta pesquisa tem como objetivo analisar o uso da técnica estatística de aprendizado de máquina Maximização de Entropia, voltado para tarefas de processamento de linguagem natural na inferência de emoções em textos obtidos da rede social Facebook. Foram estudados os conceitos primordiais das tarefas de processamento de linguagem natural, os conceitos inerentes a teoria da informação, bem como o aprofundamento no conceito de um modelo entrópico como classificador de textos. Os dados utilizados na presente pesquisa foram obtidos de textos curtos, ou seja, textos com no máximo 500 caracteres. A técnica em questão foi abordada dentro do aprendizado supervisionado de máquina, logo, parte dos dados coletados foram usados como exemplos marcados dentro de um conjunto de classes predefinidas, a fim de induzir o mecanismo de aprendizado a selecionar a classe de emoção mais provável dado o exemplo analisado. O método proposto obteve índice de assertividade médio de 90%, baseado no modelo de validação cruzada.pt
dc.description.abstractThis research aims to analyze the use of entropy maximization machine learning statistical technique, focused on natural language processing tasks in the inferencing of emotions in short texts from Facebook social network. Were studied the primary concepts of natural language processing tasks, IT intrinsic concepts, as well as deepening the concept of Entropy model as a text classifier. All data used for this research came from short texts found in social networks and had 500 characters or less. The model was used within supervised machine learning, therefore, part of the collected data was used as examples marked within a set of predefined classes in order to induce the learning mechanism to select the most probable emotion class given the analyzed sample. The method has obtained the mean accuracy rate of 90%, based on the cross-validation model.en
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (UNESP)
dc.subjectEmoçõespt
dc.subjectProcessamento de linguagem naturalpt
dc.subjectMaximização de entropiapt
dc.subjectAprendizado de máquinapt
dc.subjectEmotionsen
dc.subjectNatural language processingen
dc.subjectMachine learningen
dc.subjectEntropy maximizationen
dc.titleInferência de emoções em fragmentos de textos obtidos do Facebookpt
dc.title.alternativeInference of emotions in fragments of texts obtained from the Facebooken
dc.typeDissertação de mestrado
dc.contributor.institutionUniversidade Estadual Paulista (UNESP)
dc.rights.accessRightsAcesso aberto
unesp.graduateProgramMídia e Tecnologia (mestrado profissional) - FAACpt
unesp.knowledgeAreaTecnologia e televisão digitalpt
unesp.researchAreaTecnologias Midiáticaspt
unesp.campusUniversidade Estadual Paulista (UNESP), Faculdade de Arquitetura, Artes e Comunicação, Baurupt
unesp.embargoOnlinept
dc.identifier.aleph000888159
dc.identifier.capes33004056088P9
Localize o texto completo

Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record