Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Valêncio, Carlos Roberto | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Silva, Luis Marcello Moraes | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:47:35Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:47:35Z | - |
Data de envio: dc.date.issued | 2022-05-19 | - |
Data de envio: dc.date.issued | 2022-05-19 | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/234795 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/234795 | - |
Descrição: dc.description | A análise de sentimentos em mídias sociais consiste em extrair informações de usuários presentes nos comentários destas redes sociais. Este tema tem sido amplamente estudado nos últimos anos, pois, por exemplo, pode auxiliar o processo de tomada de decisão de empresas e até identificar intenções e opiniões sobre candidatos em eleições. No entanto, devido ao ambiente Big Data no qual estes dados estão inseridos, sua análise tradicional pode ficar comprometida por conta do elevado número de atributos somados a outros fatores. Isto acaba por implicar em uma análise com alto custo computacional e com baixa qualidade de resultados, além do fato de que tal análise é inviável manualmente, pois excede a capacidade humana de entendimento. Pesquisas recentes têm focado em como analisar os sentimentos de usuários com técnicas de aprendizado de máquina somadas às técnicas inspiradas pela natureza, e assim, possibilitar o estudo de opiniões de usuários sobre um determinado tópico. Com o intuito de se analisar tais dados de modo mais preciso, uma seleção de atributos por meio destas abordagens, somado a análises léxicas, tornou-se uma alternativa atrativa para contornar este desafio e viabilizar seu processamento. Este trabalho tem como objetivo a apresentação de uma abordagem híbrida bioinspirada, cuja contribuição científica é a melhoria de um modelo preditivo de classificação de sentimentos multi-idiomas que considera diferentes contextos dos dados. Por meio dos resultados, é possível verificar que o modelo obteve melhorias de acurácia entre 10% e 17%, enquanto que o método de seleção utilizou cerca de 45% dos atributos em relação à análise tradicional. | - |
Descrição: dc.description | The social media sentiment analysis consists on extracting information from users in comments made in their social network. Such topic has been the focus of many study works in the last few years. It can assist the decision-making process of companies, aid teaching methods and even identify and boost intentions and opinions about candidates in elections. However, due to the Big Data environment in which these data are inserted, the traditional analysis can be compromised because of the high dimensionality added to other factors. The implication on the analysis is resulted by high computational cost and low quality of results. Besides that such analysis is impracticable manually as it exceeds the human capacity of understanding. Up to date research has given a focus on how to analyze feelings of users with machine learning and techniques inspired by nature, allowing the study of users’ opinions. In order to analyze such data effectively, a feature selection through these approaches is proposed. Machine learning added to lexical analysis has become an attractive alternative to overcome this challenge and facilitate its processing. This paper aims to present a hybrid bioinspired approach to realize feature selection and improve sentiment classification quality. The scientific contribution is the improvement of a classification model considering preprocessing of the data with different languages and contexts. The results prove that the developed method enriches the predictive model by improving the accuracy by 10% to 17%. This method selected 45% of the attributes in average compared to traditional analysis. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | CAPES: 88887.512827/2020-00 | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
Palavras-chave: dc.subject | Ciência da computação | - |
Palavras-chave: dc.subject | Inteligência coletiva | - |
Palavras-chave: dc.subject | Algoritmos genéticos | - |
Palavras-chave: dc.subject | Redes sociais | - |
Palavras-chave: dc.subject | Sistemas especialistas (Computação) | - |
Palavras-chave: dc.subject | Computer science | - |
Palavras-chave: dc.subject | Swarm intelligence | - |
Palavras-chave: dc.subject | Genetic algorithms | - |
Palavras-chave: dc.subject | Social networks | - |
Palavras-chave: dc.subject | Knowledge acquisition (Expert systems) | - |
Título: dc.title | Abordagem bioinspirada híbrida de seleção de atributos para classificação de sentimentos em mídias sociais | - |
Título: dc.title | Feature Selection with Hybrid Bio-inspired Approach for Classifying Multi-idiom Social Media Sentiment Analysis | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: