Construção e classificação de uma base textual em português

Oliveira, Thiago do Nascimento

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/20474

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Lopes, Giseli Rabello	-
dc.contributor.author	Oliveira, Thiago do Nascimento	-
dc.date.accessioned	2023-05-16T17:38:39Z	-
dc.date.available	2023-12-21T03:00:25Z	-
dc.date.issued	2023-04-26	-
dc.identifier.uri	http://hdl.handle.net/11422/20474	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	inteligência artificial	pt_BR
dc.subject	mineração de dados	pt_BR
dc.subject	mineração de textos	pt_BR
dc.subject	web scraping	pt_BR
dc.title	Construção e classificação de uma base textual em português	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.advisorLattes	http://lattes.cnpq.br/9439416101626260	pt_BR
dc.contributor.advisorCo1	Silva, João Carlos P. da	-
dc.contributor.advisorCo1Lattes	http://lattes.cnpq.br/9413102524215939	pt_BR
dc.contributor.referee1	Marcelino, Carolina Gil	-
dc.contributor.referee1Lattes	http://lattes.cnpq.br/3289676418940953	pt_BR
dc.contributor.referee2	Paixão, João Antonio Recio da	-
dc.contributor.referee2Lattes	http://lattes.cnpq.br/5705386762324718	pt_BR
dc.description.resumo	A Web tornou-se um importante meio para disponibilização de informações. Entre as principais dificuldades, nesse contexto dinâmico, estão a busca por informações específicas e a categorização das mesmas. Com a facilidade de acesso à Internet e a possibilidade de qualquer pessoa publicar ou replicar conteúdo online, é preciso ter cuidado ao selecionar as fontes dessas informações. No domínio do setor elétrico não é diferente. Um importante ator, nesse cenário, é o IFE - Informativo Eletrônico do Setor Elétrico - que sintetiza resumos de notícias, obtidas a partir de fontes confiáveis, para profissionais do setor. A aspiração deste trabalho é propor uma metodologia a fim de se criar um modelo de classicação automática de notícias, para oferecer aos seus editores a possibilidade de uma análise rápida, completa e precisa do conteúdo do texto e atribuir de forma mais ágil e eciente as categorias dos resumos de notícias. Uma análise das implementações clássicas de aprendizado supervisionado de máquina empregando os algoritmos k-Vizinhos-Mais Próximos, Regressão Logística, Naïve Bayes, Máquinas de Vetores de Suporte, Floresta Randômica, e um comitê com esses classicadores foi realizada. Alguns valores candidatos para hiperparâmetros foram comparados e a melhor combinação deles para cada uma das implementações foi configurada em seu treinamento. Este trabalho conclui com a avaliação dos desempenhos alcançados por cada algoritmo na tarefa de classificação de texto no contexto de resumos de notícias do IFE.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Computação	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
TNOliveira.pdf		2.25 MB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository