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 | Pereira, Valdecy | - |
Autor(es): dc.contributor | Roboredo, Marcos Costa | - |
Autor(es): dc.contributor | Silva, Diogo Ferreira de Lima | - |
Autor(es): dc.creator | Pinto, Matheus Ribeiro Bernardes | - |
Data de aceite: dc.date.accessioned | 2025-01-03T11:40:03Z | - |
Data de disponibilização: dc.date.available | 2025-01-03T11:40:03Z | - |
Data de envio: dc.date.issued | 2024-07-25 | - |
Data de envio: dc.date.issued | 2024-07-25 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/33636 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/919404 | - |
Descrição: dc.description | A progressão tecnológica e a inteligência artificial estão cada vez mais presentes, facilitando atividades diárias e complexas e respondendo a desafios modernos. No entanto, a transformação digital, especialmente nas compras online, traz tanto benefícios quanto desafios, como a disseminação de informações falsas. O presente trabalho apresenta uma análise de sentimentos em avaliações de celulares da Amazon, com o objetivo de verificar a consistência entre as notas dadas pelos usuários (ratings) e o conteúdo de suas avaliações, utilizando métodos de aprendizado de máquina (VADER, TextBlob e BERT). A partir de uma base de dados com mais de 68 mil avaliações de celulares, em um período de 16 anos (2003 a 2019), após filtros iniciais para garantir a qualidade dos dados, foram selecionadas 2 mil avaliações de cada uma das 7 marcas mais populares, totalizando 14 mil amostras para análise. Os resultados revelam que as marcas Xiaomi, Motorola e Sony são as mais bem avaliadas, sendo que câmera, tela e bateria são as características mais mencionadas nas avaliações, indicando sua importância na percepção dos consumidores. Além disso, o estudo demonstra que de acordo com a base de dados analisada o preço não possui uma correlação significativa com as avaliações dos usuários. O estudo revelou a importância de escolher cuidadosamente os métodos de análise de sentimentos, pois o BERT apresentou limitações em capturar variações sutis nas avaliações dos usuários mantendo uma média constante em torno de 0,5 para todos os ratings, enquanto o TextBlob e o VADER se mostraram mais eficazes. As análises temporais revelaram que os lançamentos de novos produtos da Apple impulsionam avaliações positivas, indicando a influência do ciclo de lançamentos na percepção dos consumidores. Por fim, a análise das 5 forças de Porter demonstrou que a rivalidade entre as marcas é moderada, com a Xiaomi se destacando como a mais bem avaliada, enquanto as demais marcas buscam se diferenciar em nichos específicos de mercado | - |
Descrição: dc.description | Technological progress and artificial intelligence are increasingly present, facilitating complex daily activities and responding to modern challenges. However, digital transformation, especially in online shopping, brings both benefits and challenges, such as the spread of false information. This study presents a sentiment analysis of cell phone reviews on Amazon, with the aim of verifying the consistency between the ratings given by users and the content of their reviews, using machine learning methods (VADER, TextBlob and BERT). From a database of more than 68,000 cell phone reviews over a 16-year period (2003 to 2019), after initial filters to ensure data quality, 2,000 reviews were selected for each of the 7 most popular brands, totaling 14,000 samples for analysis. The results show that Xiaomi, Motorola and Sony are the most highly rated brands, with the camera, screen and battery being the most mentioned features in the reviews, indicating their importance in consumer perception. In addition, the study shows that according to the database analyzed, price does not have a significant correlation with user ratings. The study revealed the importance of choosing sentiment analysis methods carefully, as BERT showed limitations in capturing subtle variations in user ratings while maintaining a constant average of around 0.5 for all ratings, while TextBlob and VADER proved to be more effective. Temporal analysis revealed that Apple's new product launches drive positive evaluations, indicating the influence of the launch cycle on consumer perception. Finally, Porter's 5 forces analysis showed that rivalry between the brands is moderate, with Xiaomi standing out as the best rated, while the other brands seek to differentiate themselves in specific market niches | - |
Descrição: dc.description | 52 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Análise de sentimentos | - |
Palavras-chave: dc.subject | Processamento de linguagem natural | - |
Palavras-chave: dc.subject | Avaliações de produtos | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | 5 forças de Porter | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Comércio virtual | - |
Palavras-chave: dc.subject | Amazon.com (Firma) | - |
Palavras-chave: dc.subject | Telefonia celular | - |
Palavras-chave: dc.subject | Sentiment analysis | - |
Palavras-chave: dc.subject | Natural language processing | - |
Palavras-chave: dc.subject | Product evaluations | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Porter's 5 forces | - |
Título: dc.title | Explorando emoções na Amazon: análise de sentimentos por meio de Aprendizado de Máquina | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: