Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Cavalcanti, Rafael Dutra
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Rio de Janeiro (UFRJ)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Redes neurais
Mineração de texto
Big data
Link de acesso: http://www.repositorio.mar.mil.br/handle/ripcmb/844354
Resumo: Uma notícia tendenciosa é, às vezes, bem suave para o interlocutor, e alcança seu objetivo de influenciar a opinião do leitor no mesmo sentido. Nos dias atuais, devido a quantidade de informações existentes, muitas pessoas sentem dificuldades em avaliar a ideia principal do conteúdo de uma notícia ou se existe alguma tendência, no caso deste trabalho, política. Nesta dissertação, buscamos a identificação de polaridade em notícias políticas em português através do processo de mineração de dados textuais com a utilização da Rede Neural sem Peso WiSARD e de uma derivação, a ClusWiSARD. O WiSARD funciona através de uma estrutura de discriminadores, onde cada discriminador é responsável por identificar uma classe. Realizamos avaliações relacionadas ao corpo da notícia e à manchete da notícia e realizamos uma avaliação de um veículo de mídia amplamente conhecido. Obtivemos acurácia de cerca de 90% ao utilizar o corpo da notícia completo e acurácia de cerca de 75% ao considerar apenas manchetes. Além disso, também fazemos uma análise temporal sobre a dinâmica política das tendências.
id MB_6dce0fdea23f72e8367b15039eaa940b
oai_identifier_str oai:www.repositorio.mar.mil.br:ripcmb/844354
network_acronym_str MB
network_name_str Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
repository_id_str
spelling Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem pesoRedes neuraisMineração de textoBig dataUma notícia tendenciosa é, às vezes, bem suave para o interlocutor, e alcança seu objetivo de influenciar a opinião do leitor no mesmo sentido. Nos dias atuais, devido a quantidade de informações existentes, muitas pessoas sentem dificuldades em avaliar a ideia principal do conteúdo de uma notícia ou se existe alguma tendência, no caso deste trabalho, política. Nesta dissertação, buscamos a identificação de polaridade em notícias políticas em português através do processo de mineração de dados textuais com a utilização da Rede Neural sem Peso WiSARD e de uma derivação, a ClusWiSARD. O WiSARD funciona através de uma estrutura de discriminadores, onde cada discriminador é responsável por identificar uma classe. Realizamos avaliações relacionadas ao corpo da notícia e à manchete da notícia e realizamos uma avaliação de um veículo de mídia amplamente conhecido. Obtivemos acurácia de cerca de 90% ao utilizar o corpo da notícia completo e acurácia de cerca de 75% ao considerar apenas manchetes. Além disso, também fazemos uma análise temporal sobre a dinâmica política das tendências.Dissertação de Mestrado submetida ao Corpo Docente do Departamento de Ciência da Computação do Instituto de Matemática, e Instituto Tércio Pacitti de Aplicações e Pesquisas Computacionais da Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários para obtenção do título de Mestre em Informática.Biased news can influence the reader's opinion in subtle ways. Nowadays, due to the unprecedented amount of information created and made available through social media, the identification of biases is increasingly challenging. In the domain of politics, addressing the challenge is particularly relevant. In this dissertation, we seek the identification of polarity in Portuguese political news through the process of textual data mining using the WiSARD Weightless NeuralNetwork, and one of its extensions, the Clus WiSARD. The WiSARD classifier works through a structure of discriminators, where each discriminator is responsible for identifying a class. We assessed polarity using the body and the headline of news published in widely known media vehicles. The obtained results are encouraging, indicating the feasibility of automatic and eficient bias detection. We obtained accuracy of about 90% when using full body news and accuracy of the 75% when considering only headlines. In addition, we also perform a temporal analysis on the political dynamics of bias.Universidade Federal do Rio de Janeiro (UFRJ)Menasché, Daniel SadocLima, Priscila Machado VieiraMenasché, Daniel SadocLima, Priscila Machado VieiraCavalcanti, Rafael Dutra2020-01-16T16:51:55Z2020-01-16T16:51:55Z2017info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.repositorio.mar.mil.br/handle/ripcmb/844354porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)instname:Marinha do Brasil (MB)instacron:MB2022-09-23T20:14:03Zoai:www.repositorio.mar.mil.br:ripcmb/844354Repositório InstitucionalPUBhttps://www.repositorio.mar.mil.br/oai/requestdphdm.repositorio@marinha.mil.bropendoar:2022-09-23T20:14:03Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB)false
dc.title.none.fl_str_mv Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso
title Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso
spellingShingle Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso
Cavalcanti, Rafael Dutra
Redes neurais
Mineração de texto
Big data
title_short Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso
title_full Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso
title_fullStr Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso
title_full_unstemmed Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso
title_sort Classificação de tendências políticas em notícias via mineração de texto e redes neurais sem peso
author Cavalcanti, Rafael Dutra
author_facet Cavalcanti, Rafael Dutra
author_role author
dc.contributor.none.fl_str_mv Menasché, Daniel Sadoc
Lima, Priscila Machado Vieira
Menasché, Daniel Sadoc
Lima, Priscila Machado Vieira
dc.contributor.author.fl_str_mv Cavalcanti, Rafael Dutra
dc.subject.por.fl_str_mv Redes neurais
Mineração de texto
Big data
topic Redes neurais
Mineração de texto
Big data
description Uma notícia tendenciosa é, às vezes, bem suave para o interlocutor, e alcança seu objetivo de influenciar a opinião do leitor no mesmo sentido. Nos dias atuais, devido a quantidade de informações existentes, muitas pessoas sentem dificuldades em avaliar a ideia principal do conteúdo de uma notícia ou se existe alguma tendência, no caso deste trabalho, política. Nesta dissertação, buscamos a identificação de polaridade em notícias políticas em português através do processo de mineração de dados textuais com a utilização da Rede Neural sem Peso WiSARD e de uma derivação, a ClusWiSARD. O WiSARD funciona através de uma estrutura de discriminadores, onde cada discriminador é responsável por identificar uma classe. Realizamos avaliações relacionadas ao corpo da notícia e à manchete da notícia e realizamos uma avaliação de um veículo de mídia amplamente conhecido. Obtivemos acurácia de cerca de 90% ao utilizar o corpo da notícia completo e acurácia de cerca de 75% ao considerar apenas manchetes. Além disso, também fazemos uma análise temporal sobre a dinâmica política das tendências.
publishDate 2017
dc.date.none.fl_str_mv 2017
2020-01-16T16:51:55Z
2020-01-16T16:51:55Z
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.uri.fl_str_mv http://www.repositorio.mar.mil.br/handle/ripcmb/844354
url http://www.repositorio.mar.mil.br/handle/ripcmb/844354
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 Federal do Rio de Janeiro (UFRJ)
publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro (UFRJ)
dc.source.none.fl_str_mv reponame:Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
instname:Marinha do Brasil (MB)
instacron:MB
instname_str Marinha do Brasil (MB)
instacron_str MB
institution MB
reponame_str Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
collection Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)
repository.name.fl_str_mv Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB) - Marinha do Brasil (MB)
repository.mail.fl_str_mv dphdm.repositorio@marinha.mil.br
_version_ 1855762811453440000

Registros relacionados