Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/29127

Full metadata record
DC FieldValueLanguage
dc.contributor.advisorMarques Júnior, Paulo Roberto Mann-
dc.contributor.authorFerreira, Guilherme de Luna-
dc.contributor.authorSantana, Matheus Barroso de-
dc.date.accessioned2026-05-04T12:51:08Z-
dc.date.available2026-05-16T03:09:01Z-
dc.date.issued2026-03-06-
dc.identifier.urihttp://hdl.handle.net/11422/29127-
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectModelagem de tópicospt_BR
dc.subjectProcessamento de linguagem naturalpt_BR
dc.subjectFórum de discussões onlinept_BR
dc.subjectTopic modelingpt_BR
dc.subjectNatural language processingpt_BR
dc.titleReditum Vox: um sistema interativo para análise e exploração de tópicos em comunidades do Redditpt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.contributor.advisorCo1Monteiro, Mateus de Souza-
dc.contributor.referee1Lima Filho, Silas Pereira-
dc.contributor.referee2Leipnitz, Marcos Tomazzoli-
dc.description.resumoEste trabalho apresenta o Reditum Vox, um sistema criado para coletar e analisar textos do Reddit. O objetivo foi entender melhor sobre o que as pessoas conversam na plataforma e avaliar quais técnicas funcionam melhor para identificar esses temas. Este trabalho irá apresentar o desenvolvimento do sistema Reditum Vox, criado para coletar e analisar textos do Reddit - fórum de discussões online. Seu principal objetivo é classificar os tópicos de conversa, identificar os assuntos mais recorrentes da plataforma e avaliar quais técnicas são mais eficazes para a definição desses temas. Para isso, foram utilizados três métodos de modelagem de tópicos: LDA, BERTopic e modelos de linguagem. Os dados foram coletados pela API do Reddit e passaram por um processo de limpeza e organização. Depois, eles foram avaliados com métricas como Coerência, NPMI, WEP e também com um método multicritério (MAUT). A interface também foi analisada com base nas heurísticas de Nielsen. Os resultados indicam um bom desempenho do sistema na identificação dos assuntos de discussão mais comuns da plataforma, além de apontarem potenciais ajustes nos modelos e na experiência do usuário.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Computaçãopt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.embargo.termsabertopt_BR
Appears in Collections:Ciência da Computação

Files in This Item:
File Description SizeFormat 
GLFerreira.pdf709.18 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.