Name: Ferramenta Para Detectar Comentários Ofensivos no Fac: Fazendo Análise de Sentimento e Mineração de Opinião Sobre os Dados do Fac
Price: 70.89 EUR
Availability: InStock
Author: Felipe Appio; Ricardo Grunitzki
ISBN: 9786139741533

portada Ferramenta Para Detectar Comentários Ofensivos no Fac: Fazendo Análise de Sentimento e Mineração de Opinião Sobre os Dados do Fac

Formato

Libro Físico

Autor

Felipe Appio; Ricardo Grunitzki

Encuadernación

Tapa Blanda

ISBN13

9786139741533

Categorías

Tecnología de la información: cuestiones generales

Ferramenta Para Detectar Comentários Ofensivos no Fac: Fazendo Análise de Sentimento e Mineração de Opinião Sobre os Dados do Fac

Felipe Appio; Ricardo Grunitzki (Autor) · · Tapa Blanda

Libro Nuevo

70,89 €

78,76 €

Ahorras: 7,88 €

10% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Miércoles 24 de Julio y el Miércoles 07 de Agosto.

Lo recibirás en cualquier lugar de España entre 1 y 5 días hábiles luego del envío.

Reseña del libro "Ferramenta Para Detectar Comentários Ofensivos no Fac: Fazendo Análise de Sentimento e Mineração de Opinião Sobre os Dados do Fac"

Esta obra apresenta a proposta de uma ferramenta Web que realizará mineração de opiniões - positivo, negativo ou neutro - na rede social online Facebook. Análise de sentimento, mineração de opiniões ou análise de subjetividade é um campo de estudo dentro de inteligência artificial que busca extrair informações subjetivas como opiniões, sentimentos, escritos em linguagem natural. Uma das técnicas bem difundidas em análise de sentimento é a técnica Naive Bayes, que é uma técnica de aprendizado de máquina supervisionado presente em uma biblioteca de mineração de texto, nomeada de NLTK-Trainer. A importância monitorar tais opiniões reside no fato de que organizações que fazem uso de redes socais necessitam monitorar seus produtos/serviços visando traçar estratégias com base nesses sentimentos. Por fim, com a finalidade de avaliar a ferramenta proposta, foram coletados 90 comentários igualmente distribuídos em positivos, negativos ou neutros. Ao final observou-se que a ferramenta definiu as postagens em positiva, negativa ou neutra com grande percentual de acurácia, obtendo uma taxa média de acerto de 72% nesta classificação.