
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.creator | Guimarães, Rita Georgina | - |
| Autor(es): dc.creator | Rosa, Renata L. | - |
| Autor(es): dc.creator | Gaetano, Denise de | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:38:39Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:38:39Z | - |
| Data de envio: dc.date.issued | 2018-07-27 | - |
| Data de envio: dc.date.issued | 2018-07-27 | - |
| Data de envio: dc.date.issued | 2017-05 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/29775 | - |
| Fonte completa do material: dc.identifier | https://ieeexplore.ieee.org/document/7932459/ | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1144224 | - |
| Descrição: dc.description | Social networks have a large amount of data available, but often, people do not provide some of their personal data, such as age, gender, and other demographics. Although the sentiment analysis uses such data to develop useful applications in people's daily lives, there are still failures in this type of analysis, either by the restricted number of words contained in the word dictionaries or because they do not consider the most diverse parameters that can influence the sentiments in a sentence; thus, more reliable results can be obtained, if the users profile information and their writing characteristics are considered. This research suggests that one of the most relevant parameter contained in the user profile is the age group, showing that there are typical behaviors among users of the same age group, specifically, when these users write about the same topic. A detailed analysis with 7000 sentences was performed to determine which characteristics are relevant, such as, the use of punctuation, number of characters, media sharing, topics, among others; and which ones can be disregarded for the age groups classification. Different learning machine algorithms are tested for the classification of the teenager and adult age group, and the deep convolutional neural network had the best performance, reaching a precision of 0.95 in the validation tests. Furthermore, in order to validate the usefulness of the proposed model for classifying age groups, it is implemented into the enhanced sentiment metric (eSM). In the performance validation, subjective tests are performed and the eSM with the proposed model reached a root mean square error and a Pearson correlation coefficient of 0.25 and 0.94, respectively, outperforming the eSM metric, when the age group information is not available. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | IEEE Xplore | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | IEEE Access | - |
| Palavras-chave: dc.subject | Social network services | - |
| Palavras-chave: dc.subject | Sentiment analysis | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Feedforward neural nets | - |
| Palavras-chave: dc.subject | Serviços de redes sociais | - |
| Palavras-chave: dc.subject | Análise de sentimentos | - |
| Palavras-chave: dc.subject | Aprendizado de máquina | - |
| Palavras-chave: dc.subject | Redes neurais feedforward | - |
| Título: dc.title | Age groups classification in social network using deep learning | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: