Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor

Detalhes bibliográficos
Autor(a) principal: Maffazzolli, Wesley
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/76252
Resumo: Orientador: Prof. Dr. Razer Anthom Nizer Rojas Montaño
id UFPR_b295d1e6d6ba70baaf207d1ff73147b4
oai_identifier_str oai:acervodigital.ufpr.br:1884/76252
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Maffazzolli, WesleyUniversidade Federal do ParanáMontaño, Razer Anthom Nizer Rojas, 1975-2022-06-03T20:28:45Z2022-06-03T20:28:45Z2021https://hdl.handle.net/1884/76252Orientador: Prof. Dr. Razer Anthom Nizer Rojas MontañoMonografia (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada.Inclui referências: p. 31-33Resumo: A pandemia de Covid-19 impôs a transformação digital como um quesito de sobrevivência para as empresas. Neste sentido, o mercado já assolado pela escassez de profissionais de TI, enfrenta uma competição sem precedentes para conquistar especialistas na área, cada vez mais exigentes e valiosos. Para concretizar suas estratégias digitais, as empresas precisam adotar práticas eficazes para atrair e reter talentos, como as baseadas na escuta ativa de profissionais em canais internos e externos. Neste sentido, este artigo tem como objetivo investigar a potencialidade da aplicação de modelos baseados em redes LSTM, BiLSTM e CNN-BiLSTM para a análise de sentimento de avaliações textuais publicadas no site de vagas e recrutamento Glassdoor. Desta forma, espera-se auxiliar empresas no acompanhamento de percepções publicadas por profissionais em relação às suas marcas a fim de aprimorarem suas estratégias de atração e retenção de talentos.1 recurso online : PDF.application/pdfInteligência artificialMineração de dados (Computação)Redes neurais (Computação)Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoorinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - E - WESLEY MAFFAZZOLLI.pdfapplication/pdf4964116https://acervodigital.ufpr.br/bitstream/1884/76252/1/R%20-%20E%20-%20WESLEY%20MAFFAZZOLLI.pdf181bb43b1f17f1d45898f70e3251090cMD51open access1884/762522022-06-03 17:28:45.586open accessoai:acervodigital.ufpr.br:1884/76252Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082022-06-03T20:28:45Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor
title Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor
spellingShingle Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor
Maffazzolli, Wesley
Inteligência artificial
Mineração de dados (Computação)
Redes neurais (Computação)
title_short Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor
title_full Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor
title_fullStr Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor
title_full_unstemmed Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor
title_sort Aplicação de redes LSTM, BiLSTM e CNN-BiLSTM para análise de sentimento em avaliações do Glassdoor
author Maffazzolli, Wesley
author_facet Maffazzolli, Wesley
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná
dc.contributor.author.fl_str_mv Maffazzolli, Wesley
dc.contributor.advisor1.fl_str_mv Montaño, Razer Anthom Nizer Rojas, 1975-
contributor_str_mv Montaño, Razer Anthom Nizer Rojas, 1975-
dc.subject.por.fl_str_mv Inteligência artificial
Mineração de dados (Computação)
Redes neurais (Computação)
topic Inteligência artificial
Mineração de dados (Computação)
Redes neurais (Computação)
description Orientador: Prof. Dr. Razer Anthom Nizer Rojas Montaño
publishDate 2021
dc.date.issued.fl_str_mv 2021
dc.date.accessioned.fl_str_mv 2022-06-03T20:28:45Z
dc.date.available.fl_str_mv 2022-06-03T20:28:45Z
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 https://hdl.handle.net/1884/76252
url https://hdl.handle.net/1884/76252
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.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/76252/1/R%20-%20E%20-%20WESLEY%20MAFFAZZOLLI.pdf
bitstream.checksum.fl_str_mv 181bb43b1f17f1d45898f70e3251090c
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1813898767853682688

Registros relacionados