Analiste adaptativa de fluxo de sentimento - Santana Silva, Ismael
32,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Nos últimos anos, a tarefa de análise de sentimentos tem atraído muito interesse por parte da comunidade de Aprendizado de Máquina. Com o advento dos canais de mídias sociais essa análise tem ganhado força, isso porque nessas aplicações, os usuários são convidados, continuamente, a compartilhar suas opiniões e sentimento sobre diferentes tópicos de discussão. Como consequência, uma grande massa de conteúdo opinativo é gerada em tempo real. Muitas técnicas de classificação automática têm sido utilizadas para realizar a análise de sentimento, contudo é consenso que o modelo de chegada de…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Nos últimos anos, a tarefa de análise de sentimentos tem atraído muito interesse por parte da comunidade de Aprendizado de Máquina. Com o advento dos canais de mídias sociais essa análise tem ganhado força, isso porque nessas aplicações, os usuários são convidados, continuamente, a compartilhar suas opiniões e sentimento sobre diferentes tópicos de discussão. Como consequência, uma grande massa de conteúdo opinativo é gerada em tempo real. Muitas técnicas de classificação automática têm sido utilizadas para realizar a análise de sentimento, contudo é consenso que o modelo de chegada de mensagens a partir de mídias sociais segue o paradigma de fluxo de dados e as técnicas de classificação tradicionais não estão adequadas para tratar as características especificas desse fluxo de sentimento. Entre os desafios impostos às técnicas classificação podemos destacar: (1) o sentiment drift (i.e., constantes mudanças nas características dos dados), (2) a necessidade de atualização em tempo real do modelo de classificação a partir de mensagens mais recentes e (3) a quantidade limitada de dados para treinamento dos algoritmos. Neste trabalho, esses problemas foram estudados.
Autorenporträt
Mestre em Ciências da Computação pela Universidade Federal de Minas Gerais (2012) e bacharel em Sistemas de Informação pela Pontifícia Universidade Católica de Minas Gerais (2008). Professor do CEFET-MG (2017). Atuando principalmente nos temas: machine learning, data minining.