Andere Kunden interessierten sich auch für
![Usando redes bayesianas para detectar problemas em projetos Scrum]( "Usando redes bayesianas para detectar problemas em projetos Scrum")
Usando redes bayesianas para detectar problemas em projetos Scrum40,99 €![Analiste adaptativa de fluxo de sentimento]( "Analiste adaptativa de fluxo de sentimento")
Analiste adaptativa de fluxo de sentimento32,99 €![Avaliação de Desempenho nas Organizações]( "Avaliação de Desempenho nas Organizações")
Avaliação de Desempenho nas Organizações23,99 €![Gestão na estocagem de produtos utilizando um protótipo RFID]( "Gestão na estocagem de produtos utilizando um protótipo RFID")
Gestão na estocagem de produtos utilizando um protótipo RFID26,99 €![Eportal: Uma ferramenta para a gestão do ensino secundário na Nigéria]( "Eportal: Uma ferramenta para a gestão do ensino secundário na Nigéria")
Eportal: Uma ferramenta para a gestão do ensino secundário na Nigéria26,99 €![Uma ferramenta de automatização para o sistema de saúde]( "Uma ferramenta de automatização para o sistema de saúde")
Uma ferramenta de automatização para o sistema de saúde26,99 €![Uma ferramenta de automatização para o sistema de gestão de férias]( "Uma ferramenta de automatização para o sistema de gestão de férias")
Uma ferramenta de automatização para o sistema de gestão de férias26,99 €
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.