Análise de sentimento por meio de deep learning aplicada à mineração de argumentos

dc.contributor.advisorAraujo, Renata M. de
dc.contributor.advisorCoelho, Orlando B. C
dc.contributor.authorTokuda, Nivaldo H. O.
dc.date.accessioned2022-11-17T18:11:01Z
dc.date.available2022-11-17T18:11:01Z
dc.date.issued2021-05-31
dc.description.abstractMineração de Argumentos é um tópico que vem obtendo crescente importância na comunidade de pesquisa em Processamento de Linguagem Natural. Há uma abundância de conteúdo em linguagem natural disponível nas redes sociais, com potencial para análise das argumentações que se estabelecem entre os participantes da rede. Dado esse contexto, este trabalho tem o objetivo de explorar técnicas de Mineração de Argumentos para identificação de estruturas de argumentação em corpora de discussões em redes sociais. Mais especificamente, este trabalho tem como objetivo focar em um dos aspectos essenciais em um processo de mineração de argumentos: a análise de sentimento das sentenças apresentadas nas discussões, usando técnicas modernas de Deep Learning.Para essa finalidade, foi utilizada a arquitetura Transformer, que obteve resultados promissores.pt_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/31037
dc.languagept_BRpt_BR
dc.publisherUniversidade Presbiteriana Mackenziept_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectdeep learningpt_BR
dc.subjectmineração de argumentospt_BR
dc.titleAnálise de sentimento por meio de deep learning aplicada à mineração de argumentospt_BR
dc.typeTCCpt_BR
local.publisher.departmentFaculdade de Computação e Informática (FCI)pt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
787-Artigo Final-3332-1-4-20210531.pdf
Tamanho:
522.6 KB
Formato:
Adobe Portable Document Format
Descrição:
Nivaldo H. O. Tokuda
Licença do Pacote
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição: