Show simple item record

dc.creatorSargiani, Vagner
dc.date.accessioned2018-04-28T17:31:19Z
dc.date.accessioned2020-05-28T18:08:53Z
dc.date.available2020-05-28T18:08:53Z
dc.date.issued2018-02-05
dc.identifier.citationSARGIANI, Vagner. Identificação de padrões em textos de mídias sociais utilizando redes neurais e visualização de dados. 2018. 64 f. Dissertação( Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo.por
dc.identifier.urihttp://dspace.mackenzie.br/handle/10899/24472
dc.description.abstractAt present there is the generation of a large volume of textual data, and part of this volume is generated by so-called social media, where people connect, exchange information and experiences.These data contains valuable implicit knowledge, which can be extracted and analyzed according to the media selected and the type of knowledge wanted. The objective of this work is to demonstrate how to use data mining resources, analytical tools and neural networks of the type Self Organizing Maps (SOM) to perform analysis on textual data and knowledge generation. There will be two approaches: knowledge for the educational area (with data from Question and Answer sites, or simply (Q&A))) and trend identi_cation (with posts in microblog Twitter). Both sources are similar in that they have an unstructured text format. Based on an array of terms generated through Text Mining techniques, originated in a base composed by unstructured text, the posts were the basis for training a SOM network, and with this trained network it was possible to generate visualizations that allow to perform semantic analysis of the terms and questions grouped together and use them to identify the desired knowledge. The results obtained were: to demonstrate that questions about similar subjects can be grouped by their similarity of terms, and to visualize these groupings in the form of word clouds, allowing the semantic analysis on the grouped questions.por
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superiorpor
dc.description.sponsorshipFundo Mackenzie de Pesquisapor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Presbiteriana Mackenziepor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectmineração de textopor
dc.subjectmapas auto organizáveispor
dc.subjectvisualizaçãopor
dc.subjectsemânticapor
dc.titleIdentificação de padrões em textos de mídias sociais utilizando redes neurais e visualização de dadospor
dc.typeDissertaçãopor
dc.publisher.departmentFaculdade de Computação e Informática (FCI)por
dc.publisher.programEngenharia Elétricapor
dc.publisher.initialsUPMpor
dc.publisher.countryBrasilpor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApor
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpor
dc.description.resumoNa atualidade existe a geração de um grande volume de dados textuais, sendo que parte deste volume é gerado pelas chamadas mídias sociais, no qual pessoas se conectam, trocam informações e experiências. Estes dados contém conhecimento implícito valioso, que pode ser extraído e analisado de acordo com a mídia selecionada e o tipo de conhecimento procurado. O objetivo deste trabalho é demonstrar como utilizar recursos de mineração de dados, ferramentas analíticas e redes neurais do tipo Self Organized Maps (SOM) para efetuar análise sobre dados textuais e geração de conhecimento. Serão duas as abordagens: conhecimentos voltados para a área educacional (com dados de sites de Perguntas e Respostas (Question and Answers, ou simplesmente Q&A)) e identificação de tendências (com postagens no microblog Twitter). Ambas as fontes são similares em possuirem um formato de texto não estruturado. Com base em uma matriz de termos gerada através de técnicas de Mineração de Textos, originada em uma base composta por texto não estruturado, as postagens foram a base para treinamento de uma rede SOM, e com esta rede treinada foi possível gerar visualizações que permitem efetuar análises semânticas dos termos e questões agrupados e utilizá-las para identificação do conhecimento desejado. Os resultados obtidos foram: demonstrar que questões sobre assuntos similares podem ser agrupadas pela sua similaridade de termos, e visualizar estes agrupamentos em forma de nuvens de palavras, permitindo a análise semântica sobre as questões agrupadas.por
dc.creator.Latteshttp://lattes.cnpq.br/9363303337287168por
dc.contributor.advisor1Silva, Leandro Augusto da
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1396385111251741por
dc.contributor.referee1Notargiacomo, Pollyana Coelho da Silva
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5131975026612008por
dc.contributor.referee2Barcelos, Thiago Schumacher
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0179728954543082por
dc.thumbnail.urlhttp://tede.mackenzie.br/jspui/retrieve/16422/VAGNER%20SARGIANI.pdf.jpg*
dc.bitstream.urlhttp://tede.mackenzie.br/jspui/bitstream/tede/3565/5/VAGNER%20SARGIANI.pdf
dc.keywordstext miningeng
dc.keywordsself organizing mapseng
dc.keywordsvisualizationeng
dc.keywordssemanticeng


Files in this item

FilesSizeFormatView

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Acesso Aberto
Except where otherwise noted, this item's license is described as Acesso Aberto