Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.
Autor(a) principal: | |
---|---|
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 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 Inteligência Artificial Natural Language Processing Artificial intelligence Ciência da Computação |
topic |
Big Data Processamento de Linguagem Natural ETL 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 |