Banca de DEFESA: JESSICA FELICIANO COUTINHO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : JESSICA FELICIANO COUTINHO
DATA : 26/05/2022
HORA: 09:00
LOCAL: Virtual
TÍTULO:

Avaliação de técnicas de Combinação de Embeddings para a Análise de 
Sentimentos de Produtos escritos em Português-BR


PALAVRAS-CHAVES:

Análise de Sentimentos. Word Embeddings. Aprendizagem de 
Máquina. Aprendizagem Profunda. Classificação de múltiplas classes.  Meta-Embeddings


PÁGINAS: 105
RESUMO:

A  Análise de Sentimentos é uma área de pesquisa voltada para a 
determinação da polaridade do sentimento presente em um texto, buscando 
identificar se a informação é de caráter positivo, negativo ou neutro, 
dentre outras formas de classificação. Com o expressivo volume de 
informações textuais que circulam na web diariamente, o processo de 
análises automáticas dos sentimentos torna-se ainda mais necessário. Para 
conteúdos relacionados à avaliação de produtos e serviços, a detecção de 
sentimentos é de grande relevância, uma vez que entender a mensagem que um 
consumidor está querendo passar sobre um produto é essencial para as 
empresas por diversos fatores, dentre eles campanhas de marketing e 
melhoria no relacionamento com seus clientes. Nesse cenário, o estudo das 
formas de melhorar a representação das informações textuais, de modo que 
elas sejam processadas através de modelos de aprendizagem de máquina, é de 
extrema importância para contribuir com o aumento de performance na 
classificação dos sentimentos presentes nos textos. Diante disto, o 
presente trabalho realiza um estudo experimental do comportamento de 
diferentes técnicas de vetorização de textos, com foco nos embeddings: 
vetores representativos compostos por valores reais capazes de armazenar 
informações sintáticas e semânticas das palavras. Para isso, são avaliados 
diferentes tipos de vetores de embeddings e três formas de combinação 
desses vetores, que são utilizados no processo de classificação de cinco 
diferentes algoritmos de aprendizagem de máquina. Além disso, também é 
utilizado um algoritmo de aprendizagem profundo onde a etapa de embedding é 
realizada pela própria camada da rede neural. Com o intuito de contribuir 
com a Análise de Sentimentos de textos em Português-BR, foram estudadas 
quatro bases de dados neste idioma: Buscapé, B2W, Olist e UTL Movies. Essas 
bases são compostas por avaliações de usuários reais da web sobre produtos 
e serviços. Os resultados encontrados nessa pesquisa mostraram que nem 
todos os algoritmos de aprendizagem de máquina sofrem impacto diante da 
mudança na técnica de vetorização, porém quando pelo menos duas técnicas 
são combinadas a partir da concatenação entre seus vetores de pesos, é 
possível obter melhoria na performance de algoritmos comumente utilizados 
na área de aprendizagem de máquina, como a MLP e o XGBoost


MEMBROS DA BANCA:
Externo à Instituição - JOÃO FAUSTO LORENZATO DE OLIVEIRA - UPE
Interno - 2886196 - LEANDRO MACIEL ALMEIDA
Presidente - 2320094 - LUCIANO DE ANDRADE BARBOSA
Notícia cadastrada em: 11/05/2022 09:28
SIGAA | Superintendência de Tecnologia da Informação (STI-UFPE) - (81) 2126-7777 | Copyright © 2006-2022 - UFRN - sigaa02.ufpe.br.sigaa02