Use este identificador para citar ou linkar para este item:
http://dspace.bc.uepb.edu.br/jspui/handle/123456789/33925
Título: | Análise de sentimentos em avaliações online de produtos: um estudo comparativo entre diferentes modelos de aprendizado de máquina |
Autor(es): | Araújo, Daniel Xavier Brito de |
Palavras-chave: | Aprendizado de máquina Análise de sentimentos Algoritmos |
Data do documento: | 12-Nov-2024 |
Resumo: | O Aprendizado de Máquina está cada vez mais presente no dia a dia da sociedade, possibilitando que várias áreas do mercado possam empregá-la com a finalidade de otimizar seus resultados e encontrar oportunidades. A análise de sentimentos é um recurso crucial que pode viabilizar e facilitar a implementação de tais melhorias. Esse estudo aborda a análise de sentimentos em avaliações que os compradores deixaram nos produtos do e-commerce Amazon, sendo feita com o uso de cinco algoritmos de aprendizado de máquina: Naive Bayes (Multinomial), Regressão Logística, Rede Neural Simples, Random Forest e Máquina de Vetores de Suporte Linear. É realizada a coleta dos dados e o seu devido tratamento e com isso é realizado o treinamento dos cinco modelos em cima de tais dados. Finalmente, foi possível a realização de uma avaliação geral sobre os resultados obtidos, bem como uma comparação entre os desempenhos individuais baseada em termos de acurácia, precisão, recall, F1-score. |
Descrição: | ARAÚJO, Daniel Xavier Brito de. Análise de sentimentos em avaliações online de produtos: um estudo comparativo entre diferentes modelos de aprendizado de máquina. 2024. 25f. Trabalho de Conclusão de Curso (Graduação em Computação) - Universidade Estadual da Paraíba, Campina Grande, 2024. |
URI: | http://dspace.bc.uepb.edu.br/jspui/handle/123456789/33925 |
Aparece nas coleções: | 08 - TCC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC - Daniel Xavier Brito de Araújo | TCC - Daniel Xavier Brito de Araújo | 707.76 kB | Adobe PDF | Visualizar/Abrir |
Termo de Depósito | PDF - Termo de Depósito | 1.03 MB | Adobe PDF | Visualizar/Abrir Solictar uma cópia |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.