Exploração de redes sociais: uma proposta de classificação de sentimentos e análise visual com grafos
Carregando...
Tipo
TCC
Data de publicação
2024-12-06
Periódico
Citações (Scopus)
Autores
Nepomuceno, Larissa Rafaela Rodrigues
Orientador
Oliveira, Ivan Carlos Alcantara de
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
Resumo
Publicações em redes socias são dados de natureza variada e podem conter sentimentos capazes de indicar satisfação ou insatisfação com o objeto mencionado. Tendo como base os dados públicos de menções em redes sociais como X, Facebook e Instagram, este projeto apresenta uma pesquisa experimental e bibliográfica capaz de definir qual método de classificação de sentimentos possui resultado suficientemente satisfatório, considerando o idioma português brasileiro, dentro do nicho de bancos, e representar os resultados em grafos. Este trabalho tem como objetivo classificar os sentimentos das publicações em positivas, neutras ou negativas e desenvolver uma visualização capaz de apresentar os resultados na forma de grafos. Após a revisão da literatura, foram coletadas menções específicas de redes sociais, que serviram de base para a criação de modelos de aprendizado de máquina utilizando os algoritmos de regressão logística, árvores de decisão, floresta randômica, Naive Bayes, SVM e Pysentimiento. Com menções previamente classificadas, foi criado um algoritmo de criação de grafos para representação
dos resultados. Ao final, foi obtido um modelo de classificação de sentimentos utilizando o BERTabaporu com 90% de acurácia e desenvolvido um algoritmo capaz de criar uma visualização de grafo em arquivo html, com os resultados contendo diferentes grafos separados por sentimento ligados pela diferença em módulo da quantidade de menções das mesmas palavras em diferentes sentimentos.
Social media posts are diverse in nature and can contain sentiments that indicate satisfaction or dissatisfaction with the mentioned subject. Based on public data from mentions on social networks such as X, Facebook, and Instagram, this project presents an experimental and bibliographic study aimed at determining which sentiment classification method delivers sufficiently satisfactory results, considering Brazilian Portuguese, within the banking niche, and representing the results in graphs. The goal of this work is to classify the sentiments of posts as positive, neutral, or negative and to develop a visualization capable of presenting the results in the form of graphs. After a literature review, specific mentions from social media were collected and used to build machine learning models utilizing algorithms such as logistic regression, decision trees, random forest, Naive Bayes, SVM, and Pysentimiento. With previously classified mentions, a graph creation algorithm was developed to represent the results. In the end, a sentiment classification model using BERTabaporu with 90% accuracy was achieved, and an algorithm was developed to generate a graph visualization in an HTML file. The results included various graphs separated by sentiment, linked by the absolute difference in the number of mentions of the same words across different sentiments.
Social media posts are diverse in nature and can contain sentiments that indicate satisfaction or dissatisfaction with the mentioned subject. Based on public data from mentions on social networks such as X, Facebook, and Instagram, this project presents an experimental and bibliographic study aimed at determining which sentiment classification method delivers sufficiently satisfactory results, considering Brazilian Portuguese, within the banking niche, and representing the results in graphs. The goal of this work is to classify the sentiments of posts as positive, neutral, or negative and to develop a visualization capable of presenting the results in the form of graphs. After a literature review, specific mentions from social media were collected and used to build machine learning models utilizing algorithms such as logistic regression, decision trees, random forest, Naive Bayes, SVM, and Pysentimiento. With previously classified mentions, a graph creation algorithm was developed to represent the results. In the end, a sentiment classification model using BERTabaporu with 90% accuracy was achieved, and an algorithm was developed to generate a graph visualization in an HTML file. The results included various graphs separated by sentiment, linked by the absolute difference in the number of mentions of the same words across different sentiments.
Descrição
Indicado para publicação.
Palavras-chave
redes sociais , classificação de sentimento , língua portuguesa; , aprendizado de máquina , grafos , social media , sentiment classification , portuguese language , machine learning , graphs