Análise de sentimento e desambiguação no contexto da tv social
Ano de defesa: | 2012 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Presbiteriana Mackenzie
|
Programa de Pós-Graduação: |
Engenharia Elétrica
|
Departamento: |
Engenharia Elétrica
|
País: |
BR
|
Palavras-chave em Português: | |
Palavras-chave em Inglês: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://dspace.mackenzie.br/handle/10899/24341 |
Resumo: | Social media have become a way of expressing collective interests. People are motivated by the sharing of information and the feedback from friends and colleagues. Among the many social media tools available, the Twitter microblog is gaining popularity as a platform for in-stantaneous communication. Millions of messages are generated daily, from over 100 million users, about the most varied subjects. As it is a rapid communication platform, this microblog spurred a phenomenon called television storytellers, where surfers comment on what they watch on TV while the programs are being transmitted. The Social TV emerged from this integration between social media and television. The amount of data generated on the TV shows is a rich material for data analysis. Broadcasters may use such information to improve their programs and increase interaction with their audience. Among the main challenges in social media data analysis there is sentiment analysis (to determine the polarity of a text, for instance, positive or negative), and sense disambiguation (to determine the right context of polysemic words). This dissertation aims to use machine learning techniques to create a tool to support Social TV, contributing specifically to the automation of sentiment analysis and disambiguation of Twitter messages. |
id |
UPM_5e588f87eeb7a94a076120a702afe762 |
---|---|
oai_identifier_str |
oai:dspace.mackenzie.br:10899/24341 |
network_acronym_str |
UPM |
network_name_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
repository_id_str |
|
spelling |
2016-03-15T19:37:43Z2020-05-28T18:08:33Z2013-05-232020-05-28T18:08:33Z2012-12-14LIMA, Ana Carolina Espírito Santo. Análise de sentimento e desambiguação no contexto da tv social. 2012. 120 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2012.http://dspace.mackenzie.br/handle/10899/24341Social media have become a way of expressing collective interests. People are motivated by the sharing of information and the feedback from friends and colleagues. Among the many social media tools available, the Twitter microblog is gaining popularity as a platform for in-stantaneous communication. Millions of messages are generated daily, from over 100 million users, about the most varied subjects. As it is a rapid communication platform, this microblog spurred a phenomenon called television storytellers, where surfers comment on what they watch on TV while the programs are being transmitted. The Social TV emerged from this integration between social media and television. The amount of data generated on the TV shows is a rich material for data analysis. Broadcasters may use such information to improve their programs and increase interaction with their audience. Among the main challenges in social media data analysis there is sentiment analysis (to determine the polarity of a text, for instance, positive or negative), and sense disambiguation (to determine the right context of polysemic words). This dissertation aims to use machine learning techniques to create a tool to support Social TV, contributing specifically to the automation of sentiment analysis and disambiguation of Twitter messages.As mídias sociais são uma forma de expressão dos interesses coletivos, as pessoas gostam de compartilhar informações e sentem-se valorizadas por causa disso. Entre as mídias sociais o microblog Twitter vem ganhando popularidade como uma plataforma para comunicação ins-tantânea. São milhões de mensagens geradas todos os dias, por cerca de 100 milhões de usuá-rios, carregadas dos mais diversos assuntos. Por ser uma plataforma de comunicação rápida esse microblog estimulou um fenômeno denominado narradores televisivos, em que os inter-nautas comentam sobre o que assistem na TV no momento em que é transmitido. Dessa inte-gração entre as mídias sociais e a televisão emergiu a TV Social. A quantidade de dados gera-dos sobre os programas de TV formam um rico material para análise de dados. Emissoras podem usar tais informações para aperfeiçoar seus programas e aumentar a interação com seu público. Dentre os principais desafios da análise de dados de mídias sociais encontram-se a análise de sentimento (determinação de polaridade em um texto, por exemplo, positivo ou negativo) e a desambiguação de sentido (determinação do contexto correto de palavras polis-sêmicas). Essa dissertação tem como objetivo usar técnicas de aprendizagem de máquina para a criação de uma ferramenta de apoio à TV Social com contribuições na automatização dos processos de análise de sentimento e desambiguação de sentido de mensagens postadas no Twitter.Fundação de Amparo a Pesquisa do Estado de São Pauloapplication/pdfporUniversidade Presbiteriana MackenzieEngenharia ElétricaUPMBREngenharia Elétricamineração de textosanálise de sentimentodesambiguação de sentidomídias sociaistwitteraprendizagem de máquinatext miningsentiment analysisword sense disambiguationsocial mediatwittermachine learningCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAAnálise de sentimento e desambiguação no contexto da tv socialinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisSilva, Leandro Nunes de Castrohttp://lattes.cnpq.br/2741458816539568Mustaro, Pollyana Notargiacomohttp://lattes.cnpq.br/5131975026612008Prati, Ronaldo Cristianohttp://lattes.cnpq.br/7851650523179414http://lattes.cnpq.br/9312257871710056Lima, Ana Carolina Espírito Santohttp://tede.mackenzie.br/jspui/retrieve/3784/Ana%20Carolina%20Espirito%20Santo%20Lima.pdf.jpghttp://tede.mackenzie.br/jspui/bitstream/tede/1427/1/Ana%20Carolina%20Espirito%20Santo%20Lima.pdfinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIE10899/243412020-05-28 15:08:33.64Biblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRI |
dc.title.por.fl_str_mv |
Análise de sentimento e desambiguação no contexto da tv social |
title |
Análise de sentimento e desambiguação no contexto da tv social |
spellingShingle |
Análise de sentimento e desambiguação no contexto da tv social Lima, Ana Carolina Espírito Santo mineração de textos análise de sentimento desambiguação de sentido mídias sociais aprendizagem de máquina text mining sentiment analysis word sense disambiguation social media machine learning CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
title_short |
Análise de sentimento e desambiguação no contexto da tv social |
title_full |
Análise de sentimento e desambiguação no contexto da tv social |
title_fullStr |
Análise de sentimento e desambiguação no contexto da tv social |
title_full_unstemmed |
Análise de sentimento e desambiguação no contexto da tv social |
title_sort |
Análise de sentimento e desambiguação no contexto da tv social |
author |
Lima, Ana Carolina Espírito Santo |
author_facet |
Lima, Ana Carolina Espírito Santo |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Silva, Leandro Nunes de Castro |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2741458816539568 |
dc.contributor.referee1.fl_str_mv |
Mustaro, Pollyana Notargiacomo |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/5131975026612008 |
dc.contributor.referee2.fl_str_mv |
Prati, Ronaldo Cristiano |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/7851650523179414 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/9312257871710056 |
dc.contributor.author.fl_str_mv |
Lima, Ana Carolina Espírito Santo |
contributor_str_mv |
Silva, Leandro Nunes de Castro Mustaro, Pollyana Notargiacomo Prati, Ronaldo Cristiano |
dc.subject.por.fl_str_mv |
mineração de textos análise de sentimento desambiguação de sentido mídias sociais aprendizagem de máquina |
topic |
mineração de textos análise de sentimento desambiguação de sentido mídias sociais aprendizagem de máquina text mining sentiment analysis word sense disambiguation social media machine learning CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
dc.subject.eng.fl_str_mv |
text mining sentiment analysis word sense disambiguation social media machine learning |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
description |
Social media have become a way of expressing collective interests. People are motivated by the sharing of information and the feedback from friends and colleagues. Among the many social media tools available, the Twitter microblog is gaining popularity as a platform for in-stantaneous communication. Millions of messages are generated daily, from over 100 million users, about the most varied subjects. As it is a rapid communication platform, this microblog spurred a phenomenon called television storytellers, where surfers comment on what they watch on TV while the programs are being transmitted. The Social TV emerged from this integration between social media and television. The amount of data generated on the TV shows is a rich material for data analysis. Broadcasters may use such information to improve their programs and increase interaction with their audience. Among the main challenges in social media data analysis there is sentiment analysis (to determine the polarity of a text, for instance, positive or negative), and sense disambiguation (to determine the right context of polysemic words). This dissertation aims to use machine learning techniques to create a tool to support Social TV, contributing specifically to the automation of sentiment analysis and disambiguation of Twitter messages. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012-12-14 |
dc.date.available.fl_str_mv |
2013-05-23 2020-05-28T18:08:33Z |
dc.date.accessioned.fl_str_mv |
2016-03-15T19:37:43Z 2020-05-28T18:08:33Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
LIMA, Ana Carolina Espírito Santo. Análise de sentimento e desambiguação no contexto da tv social. 2012. 120 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2012. |
dc.identifier.uri.fl_str_mv |
http://dspace.mackenzie.br/handle/10899/24341 |
identifier_str_mv |
LIMA, Ana Carolina Espírito Santo. Análise de sentimento e desambiguação no contexto da tv social. 2012. 120 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo, 2012. |
url |
http://dspace.mackenzie.br/handle/10899/24341 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
dc.publisher.program.fl_str_mv |
Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UPM |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Engenharia Elétrica |
publisher.none.fl_str_mv |
Universidade Presbiteriana Mackenzie |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie instname:Universidade Presbiteriana Mackenzie (MACKENZIE) instacron:MACKENZIE |
instname_str |
Universidade Presbiteriana Mackenzie (MACKENZIE) |
instacron_str |
MACKENZIE |
institution |
MACKENZIE |
reponame_str |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
collection |
Biblioteca Digital de Teses e Dissertações do Mackenzie |
repository.name.fl_str_mv |
|
repository.mail.fl_str_mv |
|
_version_ |
1757174477746077696 |