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 | Andrade, Pedro Rochavetz de Lara | - |
Autor(es): dc.contributor | Andrade, Pedro Rochavetz de Lara | - |
Autor(es): dc.contributor | Santos, Bruno Samways dos | - |
Autor(es): dc.contributor | Lima, Rafael Henrique Palma | - |
Autor(es): dc.creator | Almeida Filho, Ricardo Franco de | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:33:24Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:33:24Z | - |
Data de envio: dc.date.issued | 2024-03-22 | - |
Data de envio: dc.date.issued | 2024-03-22 | - |
Data de envio: dc.date.issued | 2023-11-21 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/33684 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1115311 | - |
Descrição: dc.description | E-commerce has grown in recent years in Brazil, becoming increasingly present in the daily lives of millions of people. In an ever-competitive market, companies seek to differentiate themselves by providing better customer service, making the analysis of data generated by their consumers vital, regardless of its formats. Sentiment analysis combines concepts of natural language processing and machine learning to extract opinions contained in texts through classification, traditionally associated with a "positive" or "negative" sentiment. This thesis aims to analyze the sentiments of customers for a specific product on Amazon using techniques of natural language processing and machine learning to analyze consumer reviews/opinions, classifying their sentiment regarding the product. Different pre-processing techniques were tested to assess the impact on the obtained results. Additionally, five machine learning techniques were used to classify the texts: Decision Tree, Naïve Bayes Bernoulli and Naïve Bayes Multinomial, K-nearest Neighbors, and Support Vector Machines. The results of applying different pre-processing scenarios showed that the techniques directly and differently affect each algorithm. The algorithms achieved performances considered adequate in the four scenarios tested, with the overall best result obtained by Naïve Bayes Multinomial, achieving 90%, 92%, 91%, and 89% accuracy in each of the scenarios. | - |
Descrição: dc.description | O e-commerce tem crescido nos últimos anos no Brasil, estando cada dia mais presente no cotidiano de milhões de pessoas. Em um mercado cada vez mais competitivo as empresas buscam se diferenciar proporcionado um melhor atendimento ao cliente, para isso a análise dos dados gerados por seus consumidores é vital, independentemente de seus formatos. A análise de sentimentos une conceitos de processamento de linguagem natural e aprendizagem de máquinas de forma a extrair as opiniões contidas nos textos através de uma classificação, tradicionalmente associada a um sentimento “positivo” ou “negativo”. Este trabalho visa analisar sentimentos de clientes de um determinado produto da Amazon utilizando técnicas de processamento de linguagem natural e aprendizado de máquina para a análise de avaliações/opiniões de consumidores, de forma a classificar seu sentimento em relação ao produto. Foram testados cenários para apurar o impacto de diferentes técnicas de pré-processamento nos resultados obtidos. Além disso, foram utilizadas cinco técnicas de aprendizagem de máquina para classificar os textos: Decision Tree, Naïve Bayes Bernoulli e Naïve Bayes Multinomial, K-nearest Neighbors e Support Vector Machines. Os resultados da aplicação dos diferentes cenários de pré-processamento mostraram que as técnicas afetam diretamente e de diferentes formas cada algoritmo. Os algoritmos obtiveram desempenhos considerados adequados nos quatro cenários testados, sendo que o melhor resultado geral foi obtido pelo Naïve Bayes Multinomial, que obteve 90%, 92%, 91% e 89% de acurácia em cada um dos cenários. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Londrina | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia de Produção | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | https://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt-br | - |
Palavras-chave: dc.subject | Mineração de dados de texto | - |
Palavras-chave: dc.subject | Processamento de linguagem natural (Computação) | - |
Palavras-chave: dc.subject | Análise de sentimentos | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Text data mining | - |
Palavras-chave: dc.subject | Natural language processing (Computer science) | - |
Palavras-chave: dc.subject | Sentiment Analysis | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO | - |
Título: dc.title | Técnicas de aprendizado de máquina e mineração de textos aplicadas para a previsão da avaliação de consumidores de e-commerce | - |
Título: dc.title | Application of machine learning and text mining techniques to predict e-commerce consumer evaluation | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: