Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19 (2024)
- Authors:
- Autor USP: MALAKIN, LUCAS ALEXANDRE - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/D.55.2024.tde-05072024-112257
- Subjects: REDES SOCIAIS; APRENDIZADO COMPUTACIONAL; ANÁLISE DE TEXTO; MINERAÇÃO DE DADOS; ATITUDES
- Keywords: Análise de sentimento; Machine learning; Mineração de textos; Sentiment analysis; Social media; Text mining
- Language: Português
- Abstract: O crescente uso das redes sociais ao longo de quase três décadas transformou de maneira significativa a interação humana e como compartilhamos informações. Com esse aumento na utilização das redes sociais, inevitavelmente, ocorre uma produção massiva de dados, predominantemente textuais, apresentando tanto desafios quanto oportunidades. A informação textual desempenha um papel central na comunicação nas mídias sociais, sendo crucial para plataformas como Twitter, Facebook e Instagram. Adicionalmente, esses dados textuais alimentam técnicas, como mineração textual e análise de sentimentos, permitindo uma compreensão mais profunda das preferências e tendências dos usuários. Com o surgimento da COVID-19, causada pelo novo coronavírus, desencadeou uma pandemia global que impactou milhões de pessoas. Diante desse cenário desafiador, muitos indivíduos recorreram às redes sociais para expressar suas opiniões, compartilhar ideias e obter informações sobre a doença. Nesse contexto, este estudo analisou o sentimento presente nas mensagens relacionadas à COVID-19 no Brasil, utilizando técnicas de mineração textual e análise de sentimento. A abordagem adotada envolveu a associação de técnicas léxicas com aprendizado de máquina para a classificação dos sentimentos expressos nas sentenças. Dos resultados obtidos se destacam a eficácia de algoritmos de aprendizado de máquina, notadamente BERT, SVM e LSTM, que demonstraram um desempenho superior na classificação de sentimentos em comparaçãocom outros algoritmos. Além disso, as análises revelaram padrões temporais nos sentimentos relacionados à COVID-19 no Brasil, fornecendo uma visão aprofundada do impacto das crises de saúde pública nas dinâmicas das redes sociais.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 03.05.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MALAKIN, Lucas Alexandre. Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19. 2024. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/55/55137/tde-05072024-112257/. Acesso em: 09 abr. 2026. -
APA
Malakin, L. A. (2024). Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19 (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55137/tde-05072024-112257/ -
NLM
Malakin LA. Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19 [Internet]. 2024 ;[citado 2026 abr. 09 ] Available from: https://teses.usp.br/teses/disponiveis/55/55137/tde-05072024-112257/ -
Vancouver
Malakin LA. Avaliação de Classificadores na Análise de Sentimentos em Redes Sociais Durante a Pandemia da COVID-19 [Internet]. 2024 ;[citado 2026 abr. 09 ] Available from: https://teses.usp.br/teses/disponiveis/55/55137/tde-05072024-112257/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
