Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.

Detalhes bibliográficos
Autor(a) principal: NASCIMENTO, André Jordão do.
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
Texto Completo: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36709
Resumo: Um dos maiores problemas encontrados em aplicações que estão envolvidas no ecossistema de Big Data está relacionado à disponibilidade e qualidade de dados para modelos de IA e outras análises direcionadas. Aplicações com esse foco necessitam de dados que disponham de alta qualidade, já que o resultado de seus serviços depende da integridade da informação usada no processo. Quando pensamos em dados textuais, devemos saber que a informação fornecida para aplicações que envolvem processamento de texto, devem ser as melhores possíveis. Desta forma, foi desenvolvido uma aplicação que trata da gerência da coleta e tratamento contínuo de dados textuais. O contexto da aplicação está fixo na coleta de dados textuais da rede social Reddit. Através da API fornecida pela rede, é feita a ingestão de dados de uma comunidade específica. Com base nos dados coletados, a ferramenta trata de fazer todo o orquestramento de tarefas que gerenciam a coleta, tratamento e disponibilização desses dados. Para teste da ferramenta, os dados disponíveis são passados para um modelo de PLN, que usa LDA para mapear tópicos com base nos textos extraídos do site. A aplicação se baseia nos conceitos de streaming de dados e processamento de texto, de forma contínua e automática, a fim de manter uma base de dados sólida e de qualidade para análises de texto.
id UFCG_358a0151639411667a8591ed716ef802
oai_identifier_str oai:localhost:riufcg/36709
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str 4851
spelling Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.Ingesting and processing textual data from Reddit: a quality and availability solution.Big DataProcessamento de Linguagem NaturalETLRedditInteligência ArtificialNatural Language ProcessingArtificial intelligenceCiência da ComputaçãoUm dos maiores problemas encontrados em aplicações que estão envolvidas no ecossistema de Big Data está relacionado à disponibilidade e qualidade de dados para modelos de IA e outras análises direcionadas. Aplicações com esse foco necessitam de dados que disponham de alta qualidade, já que o resultado de seus serviços depende da integridade da informação usada no processo. Quando pensamos em dados textuais, devemos saber que a informação fornecida para aplicações que envolvem processamento de texto, devem ser as melhores possíveis. Desta forma, foi desenvolvido uma aplicação que trata da gerência da coleta e tratamento contínuo de dados textuais. O contexto da aplicação está fixo na coleta de dados textuais da rede social Reddit. Através da API fornecida pela rede, é feita a ingestão de dados de uma comunidade específica. Com base nos dados coletados, a ferramenta trata de fazer todo o orquestramento de tarefas que gerenciam a coleta, tratamento e disponibilização desses dados. Para teste da ferramenta, os dados disponíveis são passados para um modelo de PLN, que usa LDA para mapear tópicos com base nos textos extraídos do site. A aplicação se baseia nos conceitos de streaming de dados e processamento de texto, de forma contínua e automática, a fim de manter uma base de dados sólida e de qualidade para análises de texto.One of the biggest problems encountered in applications that are involved in the Big Data ecosystem is related to the availability and quality of data for AI models and other targeted analyses. Applications with this focus need high-quality data, since the results of their services depend on the integrity of the information used in the process. When we think of textual data, we should know that the information provided to applications that involve text processing should be the best possible. An application has therefore been developed to manage the collection and ongoing processing of textual data. The context of the application is fixed on the collection of textual data from the Reddit social network. Using the API provided by the network, data is ingested from a specific community. Based on the data collected, the tool orchestrates all the tasks that manage the collection, processing and availability of this data. To test the tool, the available data is passed to a PLN model, which uses LDA to map topics based on the texts extracted from the site. The application is based on the concepts of streaming data and text processing, continuously and automatically, in order to maintain a solid, quality database for text analysis.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIUFCGMORAIS, Fábio Jorge Almeida.MORAIS, F. J. A.http://lattes.cnpq.br/0987042606840444GOMES, Reinaldo Cezar de Morais.GOMES, Reinaldo Cézar de Moraishttp://lattes.cnpq.br/8132074356628564MONGIOVI, Melina Mongiovi.MONGIOVI, M.http://lattes.cnpq.br/7535849756393864NASCIMENTO, André Jordão do.2023-11-172024-07-18T15:29:48Z2024-07-182024-07-18T15:29:48Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36709NASCIMENTO, André Jordão do. Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade. 2023. 12 f. Artigo (Bacharelado em Ciência da Computação) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2023.porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2024-07-18T15:29:48Zoai:localhost:riufcg/36709Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512024-07-18T15:29:48Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.none.fl_str_mv Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
Ingesting and processing textual data from Reddit: a quality and availability solution.
title Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
spellingShingle Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
NASCIMENTO, André Jordão do.
Big Data
Processamento de Linguagem Natural
ETL
Reddit
Inteligência Artificial
Natural Language Processing
Artificial intelligence
Ciência da Computação
title_short Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
title_full Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
title_fullStr Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
title_full_unstemmed Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
title_sort Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
author NASCIMENTO, André Jordão do.
author_facet NASCIMENTO, André Jordão do.
author_role author
dc.contributor.none.fl_str_mv MORAIS, Fábio Jorge Almeida.
MORAIS, F. J. A.
http://lattes.cnpq.br/0987042606840444
GOMES, Reinaldo Cezar de Morais.
GOMES, Reinaldo Cézar de Morais
http://lattes.cnpq.br/8132074356628564
MONGIOVI, Melina Mongiovi.
MONGIOVI, M.
http://lattes.cnpq.br/7535849756393864
dc.contributor.author.fl_str_mv NASCIMENTO, André Jordão do.
dc.subject.por.fl_str_mv Big Data
Processamento de Linguagem Natural
ETL
Reddit
Inteligência Artificial
Natural Language Processing
Artificial intelligence
Ciência da Computação
topic Big Data
Processamento de Linguagem Natural
ETL
Reddit
Inteligência Artificial
Natural Language Processing
Artificial intelligence
Ciência da Computação
description Um dos maiores problemas encontrados em aplicações que estão envolvidas no ecossistema de Big Data está relacionado à disponibilidade e qualidade de dados para modelos de IA e outras análises direcionadas. Aplicações com esse foco necessitam de dados que disponham de alta qualidade, já que o resultado de seus serviços depende da integridade da informação usada no processo. Quando pensamos em dados textuais, devemos saber que a informação fornecida para aplicações que envolvem processamento de texto, devem ser as melhores possíveis. Desta forma, foi desenvolvido uma aplicação que trata da gerência da coleta e tratamento contínuo de dados textuais. O contexto da aplicação está fixo na coleta de dados textuais da rede social Reddit. Através da API fornecida pela rede, é feita a ingestão de dados de uma comunidade específica. Com base nos dados coletados, a ferramenta trata de fazer todo o orquestramento de tarefas que gerenciam a coleta, tratamento e disponibilização desses dados. Para teste da ferramenta, os dados disponíveis são passados para um modelo de PLN, que usa LDA para mapear tópicos com base nos textos extraídos do site. A aplicação se baseia nos conceitos de streaming de dados e processamento de texto, de forma contínua e automática, a fim de manter uma base de dados sólida e de qualidade para análises de texto.
publishDate 2023
dc.date.none.fl_str_mv 2023-11-17
2024-07-18T15:29:48Z
2024-07-18
2024-07-18T15:29:48Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36709
NASCIMENTO, André Jordão do. Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade. 2023. 12 f. Artigo (Bacharelado em Ciência da Computação) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2023.
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36709
identifier_str_mv NASCIMENTO, André Jordão do. Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade. 2023. 12 f. Artigo (Bacharelado em Ciência da Computação) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2023.
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
UFCG
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1809744629317238784