Affectpt-BR e Polyglot : minerando textos para análise de sentimentos

Detalhes bibliográficos
Autor(a) principal: Moura, Gabriel Cornelio
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: http://app.uff.br/riuff/handle/1/31028
Resumo: Com o advento das redes sociais, o aumento da quantidade de dados disponíveis trouxe a pesquisadores e estudiosos sobre o tema da análise de sentimentos diversos desafios. Considerando a importância social, política e econômica do tema, diversas ferramentas foram desenvolvidas direcionadas especificamente para a tarefa de identificar e definir a polaridade das sentenças provenientes de textos coletados da web. Contudo, o crescente número de métodos e técnicas de análise de polaridade traz consigo a dificuldade em identificar a ferramenta correta para determinado problema, tornando necessário comparar métodos e técnicas através de léxicos e bibliotecas. Dessa forma, o objetivo desse trabalho é comparar a eficiência e a eficácia de duas dessas ferramentas: o léxico AffectPT-br e a biblioteca Polyglot da linguagem Python. Os resultados expõem as diferenças entre as abordagens e comprovam, através da análise de diversos conjuntos de dados, que o léxico AffectPT-br é mais eficiente na tarefa de identificar corretamente a polaridade de sentenças em textos provenientes de redes sociais
id UFF-2_fb339fb1678f892ad8cbdf6c55faec9b
oai_identifier_str oai:app.uff.br:1/31028
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Affectpt-BR e Polyglot : minerando textos para análise de sentimentosAnálise de sentimentosAffectPT-brPolyglotMineração de opiniões (Computação)Python (Linguagem de programação de computador)Mineração de dados (Computação)Sentiment analysisCom o advento das redes sociais, o aumento da quantidade de dados disponíveis trouxe a pesquisadores e estudiosos sobre o tema da análise de sentimentos diversos desafios. Considerando a importância social, política e econômica do tema, diversas ferramentas foram desenvolvidas direcionadas especificamente para a tarefa de identificar e definir a polaridade das sentenças provenientes de textos coletados da web. Contudo, o crescente número de métodos e técnicas de análise de polaridade traz consigo a dificuldade em identificar a ferramenta correta para determinado problema, tornando necessário comparar métodos e técnicas através de léxicos e bibliotecas. Dessa forma, o objetivo desse trabalho é comparar a eficiência e a eficácia de duas dessas ferramentas: o léxico AffectPT-br e a biblioteca Polyglot da linguagem Python. Os resultados expõem as diferenças entre as abordagens e comprovam, através da análise de diversos conjuntos de dados, que o léxico AffectPT-br é mais eficiente na tarefa de identificar corretamente a polaridade de sentenças em textos provenientes de redes sociaisWith the advent of social networks, the increase in the amount of available data has brought researchers and scholars on the subject of analyzing different feelings and challenges. Considering the social, political and economic importance of the theme, several tools have been developed specifically aimed at the task of identifying and defining the polarity of sentences from texts collected from the web. However, the growing number of methods and techniques of polarity analysis brings with it the difficulty in identifying the correct tool for a given problem, making it necessary to compare methods and techniques through lexicons and libraries. Thus, the objective of this work is to compare the efficiency and effectiveness of two of these tools: the lexicon AffectPT-br and the Polyglot library of the Python language. The results expose the differences between the approaches and prove, through the analysis of different data sets, that the lexicon Affec-tPT-br is more efficient in the task of correctly identifying the polarity of sentences in texts coming from social networks49 p.Zahn, Jean de OliveiraAmaral, Rafael BurlamaquiMoura, Gabriel Cornelio2023-10-31T16:40:18Z2023-10-31T16:40:18Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfMOURA, Gabriel Cornelio. Affectpt-BR e Polyglot : Minerando textos para análise de sentimentos. 2021. 49 f. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Sistemas de Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2021.http://app.uff.br/riuff/handle/1/31028CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-10-31T16:40:22Zoai:app.uff.br:1/31028Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:54:44.221398Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Affectpt-BR e Polyglot : minerando textos para análise de sentimentos
title Affectpt-BR e Polyglot : minerando textos para análise de sentimentos
spellingShingle Affectpt-BR e Polyglot : minerando textos para análise de sentimentos
Moura, Gabriel Cornelio
Análise de sentimentos
AffectPT-br
Polyglot
Mineração de opiniões (Computação)
Python (Linguagem de programação de computador)
Mineração de dados (Computação)
Sentiment analysis
title_short Affectpt-BR e Polyglot : minerando textos para análise de sentimentos
title_full Affectpt-BR e Polyglot : minerando textos para análise de sentimentos
title_fullStr Affectpt-BR e Polyglot : minerando textos para análise de sentimentos
title_full_unstemmed Affectpt-BR e Polyglot : minerando textos para análise de sentimentos
title_sort Affectpt-BR e Polyglot : minerando textos para análise de sentimentos
author Moura, Gabriel Cornelio
author_facet Moura, Gabriel Cornelio
author_role author
dc.contributor.none.fl_str_mv Zahn, Jean de Oliveira
Amaral, Rafael Burlamaqui
dc.contributor.author.fl_str_mv Moura, Gabriel Cornelio
dc.subject.por.fl_str_mv Análise de sentimentos
AffectPT-br
Polyglot
Mineração de opiniões (Computação)
Python (Linguagem de programação de computador)
Mineração de dados (Computação)
Sentiment analysis
topic Análise de sentimentos
AffectPT-br
Polyglot
Mineração de opiniões (Computação)
Python (Linguagem de programação de computador)
Mineração de dados (Computação)
Sentiment analysis
description Com o advento das redes sociais, o aumento da quantidade de dados disponíveis trouxe a pesquisadores e estudiosos sobre o tema da análise de sentimentos diversos desafios. Considerando a importância social, política e econômica do tema, diversas ferramentas foram desenvolvidas direcionadas especificamente para a tarefa de identificar e definir a polaridade das sentenças provenientes de textos coletados da web. Contudo, o crescente número de métodos e técnicas de análise de polaridade traz consigo a dificuldade em identificar a ferramenta correta para determinado problema, tornando necessário comparar métodos e técnicas através de léxicos e bibliotecas. Dessa forma, o objetivo desse trabalho é comparar a eficiência e a eficácia de duas dessas ferramentas: o léxico AffectPT-br e a biblioteca Polyglot da linguagem Python. Os resultados expõem as diferenças entre as abordagens e comprovam, através da análise de diversos conjuntos de dados, que o léxico AffectPT-br é mais eficiente na tarefa de identificar corretamente a polaridade de sentenças em textos provenientes de redes sociais
publishDate 2023
dc.date.none.fl_str_mv 2023-10-31T16:40:18Z
2023-10-31T16:40:18Z
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 MOURA, Gabriel Cornelio. Affectpt-BR e Polyglot : Minerando textos para análise de sentimentos. 2021. 49 f. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Sistemas de Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2021.
http://app.uff.br/riuff/handle/1/31028
identifier_str_mv MOURA, Gabriel Cornelio. Affectpt-BR e Polyglot : Minerando textos para análise de sentimentos. 2021. 49 f. Trabalho de Conclusão de Curso (Graduação em Tecnologia em Sistemas de Computação) - Instituto de Computação, Universidade Federal Fluminense, Niterói, 2021.
url http://app.uff.br/riuff/handle/1/31028
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823605436121088