Otimização de aplicações de processamento de linguagem natural para análise de sentimentos
Carregando...
Arquivos
Data
2024-03-05
Autores
Orientador
Zafalon, Geraldo Francisco Donegá 
Coorientador
Pós-graduação
Ciência da Computação - FC/FCT/IBILCE/IGCE 33004153073P2
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Os recentes avanços tecnológicos proporcionaram um aumento no volume de dados disponíveis nas redes sociais. Nesse tipo de ambiente as pessoas, na sua grande maioria, procuram desenvolver diálogos, expressar opiniões e sentimentos. Esse comportamento ganha cada vez mais a atenção de empresas e organizações, influenciando na tomada de decisões das mesmas. Cada rede social possui uma característica, o que influencia no comportamento do usuário. O Twitter, por exemplo, é uma plataforma na qual os usuários expressam suas opiniões por meio de pequenas mensagens e recebem comentários de outros usuários, que podem ser por meio de texto, áudio, imagens e vídeos. Analisar essas informações em tempo real com técnicas manuais, prova-se impraticável e, com isso, ferramentas computacionais tornaram-se relevantes nesse tipo de análise. O Processamento de Linguagem Natural (PLN) é uma área da Inteligência Artificial e da Linguística, dedicada a fazer os computadores entenderem as declarações ou palavras escritas em línguas humanas. A PLN surgiu para facilitar o trabalho do usuário e para satisfazer o desejo de se comunicar com o computador em linguagem natural. Nos últimos anos, surgiram diversos estudos com diferentes heurísticas, afim de resolver o problema. Uma destas é o uso de algoritmos combinados com o uso de aprendizado de máquina. Diversos estudos destacam a importância da combinanção de algoritmos e técnicas computacionais, sempre com o objetivo de chegar aos melhores resultados. Assim, o presente trabalho teve como objetivo combinar algoritmos de processamento de linguagem natural e ferramentas computacionais, com a obtenção de melhores resultados de acurácia, precisão, revocação e F1-score, quando comparado a outras propostas, no desafio de analisar sentimentos.
Resumo (inglês)
Recent technological advances have led to an increase in the volume of data available on social networks. In such environments, the vast majority of people seek to develop dialogues, express opinions, and feelings. This behavior is increasingly attracting the attention of companies and organizations, influencing their decision-making processes. Each social network has its own characteristics, which influence user behavior. Twitter, for example, is a platform where users express their opinions
through short messages and receive comments from other users, which can be in the form of text, audio, images, and videos. Analyzing this information in real-time with manual techniques proves impractical, and thus, computational tools have become relevant in this type of analysis. Natural Language Processing (NLP) is an area of Artificial Intelligence and Linguistics, dedicated to making computers understand statements or words written in human languages. NLP was developed to
facilitate user work and to fulfill the desire to communicate with the computer in natural language. In recent years, various studies with different heuristics have emerged to solve the problem. One of these is the use of algorithms combined with machine learning. Many studies highlight the importance of combining algorithms and computational techniques, always with the goal of achieving the best results. Thus, the present work aimed to combine natural language processing algorithms
and computational tools, achieving better results in accuracy, precision, recall, and F1-score, when compared to other proposals, in the challenge of analyzing sentiments.
Descrição
Idioma
Português
Como citar
LOPES, Anderson Claiton. Otimização de aplicações de processamento de linguagem natural para análise de sentimentos. 2024. Dissertação (Mestrado em Ciência da Computação) – Universidade Estadual Paulista (Unesp), Instituto de Biociências Letras e Ciências Exatas (Ibilce), São José do Rio Preto, 2024.