Banca de DEFESA: Carlos Henrique do Nascimento Melo

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: Carlos Henrique do Nascimento Melo
DATA : 19/07/2023
HORA: 09:00
LOCAL: Virtual
TÍTULO:

Análise de sentimentos de postagens em português na pandemia de 
COVID-19 utilizando redes de codificadores automáticos

PALAVRAS-CHAVES:

Análise de sentimentos; Codificadores automáticos; Comitê 
de classificadores; Classificação de múltiplas classes; COVID-19.

PÁGINAS: 202
RESUMO:

A pandemia da Corona Virus Disease 2019 (COVID-19) impulsionou um aumento 
no número de interações em redes sociais, através de postagens, em virtude 
das medidas não farmacológicas implementadas durante o período de 2020 e 
2021. Essa maior conexão da população com as diversas plataformas 
propiciaram uma grande quantidade de conteúdos textuais relacionados à 
vivência dos usuários nos períodos de surto da doença. Muitas dessas 
postagens apresentam um caráter opinativo, no qual indica a possibilidade 
de um estudo acerca dos sentimentos expressados pelos usuários das redes 
sociais. Desse modo, a utilização de técnicas da área de Processamento de 
Linguagem Natural (PLN) em conjunto com modelos da Aprendizagem de Máquina 
(AM) fornecem uma análise de sentimentos através de classificadores 
automáticos. Porém, é visto em estudos anteriores que a tarefa de Análise 
de Sentimentos (AS) sofre da maldição da dimensionalidade (CHEN, 2009), 
pois os métodos principais de transformar conteúdo textual em informação 
útil recaem sobre vetores de grande dimensionalidade. Em pesquisas mais 
recentes, o uso de técnicas de redes neurais têm sido utilizadas como 
método de redução da dimensionalidade para a classificação de sentimentos 
(GHOSH; RAVI; RAVI, 2016; KIM; LEE, 2020; YILDIRIM, 2020). Dentre as 
técnicas, os Codificadores Automáticos (CA) (do inglês autoencoders) surgem 
como uma proposta já utilizada para redução de dados de imagem e áudio, 
pois processa vetores desses conteúdos e os reduz para diferentes 
propósitos. A utilização das RNN para redução possibilita construir um novo 
vetor contendo uma grande proporção da informa- ção contida no vetor 
original para realizar o treinamento dos modelos. Portanto, este trabalho 
apresenta como objetivo explorar a técnica de CA para redução da 
dimensiona- lidade de vetores produzidos por técnicas de incorporação de 
palavras sobre dois corpus textuais na língua portuguesa, coletados através 
da rede social Twitter. Baseado nisso foi visto que os codificadores 
conseguem manter até 90% da informação e qualidade contida no treinamento, 
podendo ser observado uma diferença de pouco menos de 10% na acurácia dos 
modelos treinados sem a técnica. Além disso, é observado que custo 
computacional envolvido no treinamento dos modelos apresentaram uma redução 
em comparação aos classificadores treinados com o vetor original e aos 
modelos mais recentes, como LSTM e BERT, apresentando uma diferença de 
tempo de até 96%. Assim, mostra que a partir dos resultados obtidos através 
da técnica de redução por codificadores automáticos são pro- duzidas 
qualidades equiparáveis aos modelos mais utilizados que realizam essa 
codificação de forma conjunta para a língua portuguesa. Desse modo, 
possibilita o uso de modelos mais custosos para a validação de resultados e 
uso de predição.

MEMBROS DA BANCA:
Externo à Instituição - JOÃO FAUSTO LORENZATO DE OLIVEIRA - UPE
Interno - 2886196 - LEANDRO MACIEL ALMEIDA
Presidente - 2320094 - LUCIANO DE ANDRADE BARBOSA