Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/86407 |
Resumo: | As Redes sociais ganharam muita popularidade nos últimos anos. Isto deu origem à disciplina emergente de Social Media Analytics, a qual está diretamente ligada à diversas outras áreas como Análise de Redes Sociais, Aprendizado de Máquina, Mineração de Dados, Recuperação de Informação e Processamento de Língua Natural. Este trabalho faz uso de uma página de fãs do Facebook como base para avaliar o desempenho de três classificadores de Aprendizado de Máquina supervisionados (o Naive Bayes, Sequential Minimal Optimization e C4.5) com a tarefa de classificar a popularidade de postagens. Além de analisar o comportamento desses algoritmos, o trabalho tem como objetivo testar diferentes técnicas de pré-processamento de texto e verificar qual combinação produz melhores resultados no processo de gerar um modelo de aprendizado para prever a popularidade de postagens nessa rede social. |
id |
UFRGS-2_99a36541f44f47f4c11b058d35368a69 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/86407 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Schmitt, Vinícius FernandesBarone, Dante Augusto Couto2014-01-22T01:54:34Z2013http://hdl.handle.net/10183/86407000910095As Redes sociais ganharam muita popularidade nos últimos anos. Isto deu origem à disciplina emergente de Social Media Analytics, a qual está diretamente ligada à diversas outras áreas como Análise de Redes Sociais, Aprendizado de Máquina, Mineração de Dados, Recuperação de Informação e Processamento de Língua Natural. Este trabalho faz uso de uma página de fãs do Facebook como base para avaliar o desempenho de três classificadores de Aprendizado de Máquina supervisionados (o Naive Bayes, Sequential Minimal Optimization e C4.5) com a tarefa de classificar a popularidade de postagens. Além de analisar o comportamento desses algoritmos, o trabalho tem como objetivo testar diferentes técnicas de pré-processamento de texto e verificar qual combinação produz melhores resultados no processo de gerar um modelo de aprendizado para prever a popularidade de postagens nessa rede social.Online Social Networks have gained increased popularity in recent years. This has given rise to the emerging discipline of Social Media Analytics, which is directly connected to some other areas such as: Social Network Analysis, Machine Learning, Data Mining, Information Retrieval, and Natural Language Processing. This work makes use of one fan page on Facebook as dataset to evaluate the performance of three supervised machine learning classifiers (Naive Bayes, Sequential Minimal Optimization and C4.5) when classifying the popularity of posts. Besides analysing how these algorithms behave, this study has also as objective to test different types of text preprocessing techniques and to verify which combination can provide better results in the process of generating a learning model to predict the popularity of posts on this social network.application/pdfporAprendizagem : MaquinaRedes sociaisData miningClassifiersMachine learningSocial networksUma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebookA comparative analysis of machine learning techniques to predict the popularity of posts on Facebook info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2013Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000910095.pdf000910095.pdfTexto completoapplication/pdf1883909http://www.lume.ufrgs.br/bitstream/10183/86407/1/000910095.pdf0af5664534badd5548a4b031611bd30bMD51TEXT000910095.pdf.txt000910095.pdf.txtExtracted Texttext/plain101027http://www.lume.ufrgs.br/bitstream/10183/86407/2/000910095.pdf.txt0f07d5323b5aafca45b5baa1542dd3e8MD52THUMBNAIL000910095.pdf.jpg000910095.pdf.jpgGenerated Thumbnailimage/jpeg1155http://www.lume.ufrgs.br/bitstream/10183/86407/3/000910095.pdf.jpg90f0105f8ac863c3481dfe158a6f23eaMD5310183/864072018-10-09 08:44:35.419oai:www.lume.ufrgs.br:10183/86407Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-09T11:44:35Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook |
dc.title.alternative.en.fl_str_mv |
A comparative analysis of machine learning techniques to predict the popularity of posts on Facebook |
title |
Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook |
spellingShingle |
Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook Schmitt, Vinícius Fernandes Aprendizagem : Maquina Redes sociais Data mining Classifiers Machine learning Social networks |
title_short |
Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook |
title_full |
Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook |
title_fullStr |
Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook |
title_full_unstemmed |
Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook |
title_sort |
Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens no facebook |
author |
Schmitt, Vinícius Fernandes |
author_facet |
Schmitt, Vinícius Fernandes |
author_role |
author |
dc.contributor.author.fl_str_mv |
Schmitt, Vinícius Fernandes |
dc.contributor.advisor1.fl_str_mv |
Barone, Dante Augusto Couto |
contributor_str_mv |
Barone, Dante Augusto Couto |
dc.subject.por.fl_str_mv |
Aprendizagem : Maquina Redes sociais |
topic |
Aprendizagem : Maquina Redes sociais Data mining Classifiers Machine learning Social networks |
dc.subject.eng.fl_str_mv |
Data mining Classifiers Machine learning Social networks |
description |
As Redes sociais ganharam muita popularidade nos últimos anos. Isto deu origem à disciplina emergente de Social Media Analytics, a qual está diretamente ligada à diversas outras áreas como Análise de Redes Sociais, Aprendizado de Máquina, Mineração de Dados, Recuperação de Informação e Processamento de Língua Natural. Este trabalho faz uso de uma página de fãs do Facebook como base para avaliar o desempenho de três classificadores de Aprendizado de Máquina supervisionados (o Naive Bayes, Sequential Minimal Optimization e C4.5) com a tarefa de classificar a popularidade de postagens. Além de analisar o comportamento desses algoritmos, o trabalho tem como objetivo testar diferentes técnicas de pré-processamento de texto e verificar qual combinação produz melhores resultados no processo de gerar um modelo de aprendizado para prever a popularidade de postagens nessa rede social. |
publishDate |
2013 |
dc.date.issued.fl_str_mv |
2013 |
dc.date.accessioned.fl_str_mv |
2014-01-22T01:54:34Z |
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://hdl.handle.net/10183/86407 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000910095 |
url |
http://hdl.handle.net/10183/86407 |
identifier_str_mv |
000910095 |
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 |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/86407/1/000910095.pdf http://www.lume.ufrgs.br/bitstream/10183/86407/2/000910095.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/86407/3/000910095.pdf.jpg |
bitstream.checksum.fl_str_mv |
0af5664534badd5548a4b031611bd30b 0f07d5323b5aafca45b5baa1542dd3e8 90f0105f8ac863c3481dfe158a6f23ea |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224458138025984 |