Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19

Detalhes bibliográficos
Autor(a) principal: Malakin, Lucas Alexandre
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-05072024-112257/
Resumo: O crescente uso das redes sociais ao longo de quase três décadas transformou de maneira significativa a interação humana e como compartilhamos informações. Com esse aumento na utilização das redes sociais, inevitavelmente, ocorre uma produção massiva de dados, predominantemente textuais, apresentando tanto desafios quanto oportunidades. A informação textual desempenha um papel central na comunicação nas mídias sociais, sendo crucial para plataformas como Twitter, Facebook e Instagram. Adicionalmente, esses dados textuais alimentam técnicas, como mineração textual e análise de sentimentos, permitindo uma compreensão mais profunda das preferências e tendências dos usuários. Com o surgimento da COVID-19, causada pelo novo coronavírus, desencadeou uma pandemia global que impactou milhões de pessoas. Diante desse cenário desafiador, muitos indivíduos recorreram às redes sociais para expressar suas opiniões, compartilhar ideias e obter informações sobre a doença. Nesse contexto, este estudo analisou o sentimento presente nas mensagens relacionadas à COVID-19 no Brasil, utilizando técnicas de mineração textual e análise de sentimento. A abordagem adotada envolveu a associação de técnicas léxicas com aprendizado de máquina para a classificação dos sentimentos expressos nas sentenças. Dos resultados obtidos se destacam a eficácia de algoritmos de aprendizado de máquina, notadamente BERT, SVM e LSTM, que demonstraram um desempenho superior na classificação de sentimentos em comparação com outros algoritmos. Além disso, as análises revelaram padrões temporais nos sentimentos relacionados à COVID-19 no Brasil, fornecendo uma visão aprofundada do impacto das crises de saúde pública nas dinâmicas das redes sociais.
id USP_bfad16a03fb53bca645896fe448f3b8d
oai_identifier_str oai:teses.usp.br:tde-05072024-112257
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19Evaluation of Classifiers in Sentiment Analysis on Social Media during the COVID-19 PandemicAnálise de sentimentoAprendizado de máquinaMachine learningMineração de textosRedes sociaisSentiment analysisSocial mediaText miningO crescente uso das redes sociais ao longo de quase três décadas transformou de maneira significativa a interação humana e como compartilhamos informações. Com esse aumento na utilização das redes sociais, inevitavelmente, ocorre uma produção massiva de dados, predominantemente textuais, apresentando tanto desafios quanto oportunidades. A informação textual desempenha um papel central na comunicação nas mídias sociais, sendo crucial para plataformas como Twitter, Facebook e Instagram. Adicionalmente, esses dados textuais alimentam técnicas, como mineração textual e análise de sentimentos, permitindo uma compreensão mais profunda das preferências e tendências dos usuários. Com o surgimento da COVID-19, causada pelo novo coronavírus, desencadeou uma pandemia global que impactou milhões de pessoas. Diante desse cenário desafiador, muitos indivíduos recorreram às redes sociais para expressar suas opiniões, compartilhar ideias e obter informações sobre a doença. Nesse contexto, este estudo analisou o sentimento presente nas mensagens relacionadas à COVID-19 no Brasil, utilizando técnicas de mineração textual e análise de sentimento. A abordagem adotada envolveu a associação de técnicas léxicas com aprendizado de máquina para a classificação dos sentimentos expressos nas sentenças. Dos resultados obtidos se destacam a eficácia de algoritmos de aprendizado de máquina, notadamente BERT, SVM e LSTM, que demonstraram um desempenho superior na classificação de sentimentos em comparação com outros algoritmos. Além disso, as análises revelaram padrões temporais nos sentimentos relacionados à COVID-19 no Brasil, fornecendo uma visão aprofundada do impacto das crises de saúde pública nas dinâmicas das redes sociais.The increasing use of social media over almost three decades has significantly transformed human interaction and the way we share information. With this rise in social media usage, inevitably, there is a massive production of data, predominantly textual, presenting both challenges and opportunities. Textual information plays a central role in communication on social media, being crucial for platforms like Twitter, Facebook, and Instagram. Additionally, this textual data fuels techniques such as text mining and sentiment analysis, allowing a deeper understanding of user preferences and trends. With the emergence of COVID-19, caused by the novel coronavirus, a global pandemic unfolded, impacting millions of people. Faced with this challenging scenario, many individuals turned to social media to express their opinions, share ideas, and obtain information about the disease. In this context, this study sought to analyze the sentiment present in messages related to COVID-19 in Brazil, employing text mining and sentiment analysis techniques. The adopted approach involved combining lexical techniques with machine learning for the classification of sentiments expressed in sentences. The results highlight the effectiveness of machine learning algorithms, notably BERT, SVM, and LSTM, which demonstrated superior performance in sentiment classification compared to other algorithms. Furthermore, the analyses revealed temporal patterns in sentiments related to COVID-19 in Brazil, providing an in-depth insight into the impact of public health crises on the dynamics of social media.Biblioteca Digitais de Teses e Dissertações da USPRezende, Solange OliveiraMalakin, Lucas Alexandre2024-05-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/55/55137/tde-05072024-112257/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-07-05T14:28:03Zoai:teses.usp.br:tde-05072024-112257Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-07-05T14:28:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19
Evaluation of Classifiers in Sentiment Analysis on Social Media during the COVID-19 Pandemic
title Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19
spellingShingle Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19
Malakin, Lucas Alexandre
Análise de sentimento
Aprendizado de máquina
Machine learning
Mineração de textos
Redes sociais
Sentiment analysis
Social media
Text mining
title_short Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19
title_full Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19
title_fullStr Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19
title_full_unstemmed Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19
title_sort Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19
author Malakin, Lucas Alexandre
author_facet Malakin, Lucas Alexandre
author_role author
dc.contributor.none.fl_str_mv Rezende, Solange Oliveira
dc.contributor.author.fl_str_mv Malakin, Lucas Alexandre
dc.subject.por.fl_str_mv Análise de sentimento
Aprendizado de máquina
Machine learning
Mineração de textos
Redes sociais
Sentiment analysis
Social media
Text mining
topic Análise de sentimento
Aprendizado de máquina
Machine learning
Mineração de textos
Redes sociais
Sentiment analysis
Social media
Text mining
description O crescente uso das redes sociais ao longo de quase três décadas transformou de maneira significativa a interação humana e como compartilhamos informações. Com esse aumento na utilização das redes sociais, inevitavelmente, ocorre uma produção massiva de dados, predominantemente textuais, apresentando tanto desafios quanto oportunidades. A informação textual desempenha um papel central na comunicação nas mídias sociais, sendo crucial para plataformas como Twitter, Facebook e Instagram. Adicionalmente, esses dados textuais alimentam técnicas, como mineração textual e análise de sentimentos, permitindo uma compreensão mais profunda das preferências e tendências dos usuários. Com o surgimento da COVID-19, causada pelo novo coronavírus, desencadeou uma pandemia global que impactou milhões de pessoas. Diante desse cenário desafiador, muitos indivíduos recorreram às redes sociais para expressar suas opiniões, compartilhar ideias e obter informações sobre a doença. Nesse contexto, este estudo analisou o sentimento presente nas mensagens relacionadas à COVID-19 no Brasil, utilizando técnicas de mineração textual e análise de sentimento. A abordagem adotada envolveu a associação de técnicas léxicas com aprendizado de máquina para a classificação dos sentimentos expressos nas sentenças. Dos resultados obtidos se destacam a eficácia de algoritmos de aprendizado de máquina, notadamente BERT, SVM e LSTM, que demonstraram um desempenho superior na classificação de sentimentos em comparação com outros algoritmos. Além disso, as análises revelaram padrões temporais nos sentimentos relacionados à COVID-19 no Brasil, fornecendo uma visão aprofundada do impacto das crises de saúde pública nas dinâmicas das redes sociais.
publishDate 2024
dc.date.none.fl_str_mv 2024-05-03
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/55/55137/tde-05072024-112257/
url https://www.teses.usp.br/teses/disponiveis/55/55137/tde-05072024-112257/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256699602206720

Registros relacionados