ANÁLISE DE TÓPICOS EM REDES SOCIAIS UTILIZANDO PROCESSAMENTO DE LINGUAGEM NATURAL (NLP)
DOI:
https://doi.org/10.31510/infa.v20i2.1750Palavras-chave:
Análise de tópicos, Linguagem Natural, Análise de dados, Inteligência artificial, Aprendizado de máquinaResumo
Este artigo investiga o papel do Processamento de Linguagem Natural (NLP) na análise de tópicos em redes sociais. Discute os fundamentos do NLP, seus principais desafios e técnicas, além de ilustrar como estas contribuem para a compreensão e processamento da linguagem humana por sistemas de Inteligência Artificial. Através de um estudo qualitativo, coletou-se e processou-se dados do Twitter/X e do Reddit utilizando a API de cada plataforma e técnicas de raspagem de dados. Os dados coletados foram limpos e normalizados, depois analisados usando técnicas de NLP como a lematização, o método bag of words e TF-IDF. O objetivo principal do estudo é desenvolver uma compreensão sólida do NLP e suas técnicas, e aplicá-los em dados relevantes coletados de redes sociais para identificar tendências e tópicos relevantes. Essa investigação destaca a importância do NLP no mundo digital atual, onde a análise de dados em plataformas sociais se tornou crucial para entender tendências e comportamentos. O artigo também enfatiza a relevância das técnicas avançadas de NLP na extração de insights significativos de grandes conjuntos de dados textuais e na superação dos desafios inerentes à linguagem humana.
Downloads
Métricas
Referências
ALVES, Igor Nascimento. Lemmatization vs. stemming: quando usar cada uma?. quando usar cada uma?. 2021. Disponível em: https://www.alura.com.br/artigos/lemmatization-vs-stemming-quando-usar-cada-uma. Acesso em: 17 jun. 2023.
BIRD, Steven; KLEIN, Ewan. Natural Language Processing with Python: analyzing text
with the natural language toolkit. S.I: O'Reilly Media, 2009.
BISHOP, Christopher M. Pattern Recognition and Machine Learning. 2. ed. S.I: Springer, 2011. 738 p.
BLEI, David M.; NG, Andrew Y.; JORDAN, Michael I.. Latent Dirichlet Allocation. Journal
Of Machine Learning. S.I, p. 993-1022. 03 jan. 2003. Disponível em:
https://www.jmlr.org/papers/volume3/blei03a/blei03a.pdf. Acesso em: 15 jun. 2023.
CASTELLS, Manuel. A sociedade em rede. 24. ed. São Paulo: Paz e Terra, 2013. 630p.
FONSECA, Camilla. Introdução a Bag of Words e TF-IDF. 2020. Disponível em: https://medium.com/turing-talks/introdução-a-bag-of-words-e-tf-idf-43a128151ce9. Acesso em: 20 nov. 2023.
JURAFSKY, Daniel; MARTIN, James H.. Speech and Language Processing: an introduction to natural language processing, computational linguistics, and speech recognition. S.I: Prentice Hall, 2006.
LIMA, Vera Lúcia Strube de; NUNES, Maria das Graças Volpe; VIEIRA, Renata. Desafios do Processamento de Línguas Naturais. Semish, São Carlos, p. 1-15, 2007.
NADKARNI, Prakash M; OHNO-MACHADO, Lucila; CHAPMAN, Wendy W. Natural language processing: an introduction. Jamia: Journal of the American Medical Informatics Association. S.I, p. 544-551. 05 set. 2011. Disponível em: https://academic.oup.com/jamia/article/18/5/544/829676?login=false. Acesso em: 01 set. 2023. DOI: https://doi.org/10.1136/amiajnl-2011-000464
PREMEBIDA, Sthefanie Monica. Guia de NLP: conceitos e técnicas. conceitos e técnicas. 2021. Disponível em: https://www.alura.com.br/artigos/guia-nlp-conceitos-tecnicas. Acesso em: 17 jun. 2023.
SANTOS, Dheiver. Introdução ao Pré-processamento de Texto em NLP: uma visão prática. 2020. Disponível em: https://medium.com/@dheiver.santos_10420/título-introdução-ao-pré-processamento-de-texto-em-nlp-uma-visão-prática. Acesso em: 20 nov. 2023.
TEJA, Sai. Stop Words in NLP. 2020. Disponível em: https://medium.com/@saitejaponugoti/stop-words-in-nlp-5b248dadad47. Acesso em: 20 nov. 2023.
WENDLING, Mike. QANON: o que é e de onde veio o grupo que participou da invasão ao congresso dos eua. o que é e de onde veio o grupo que participou da invasão ao Congresso dos EUA. 2021. Disponível em: https://www.bbc.com/portuguese/internacional-55577322. Acesso em: 17 set. 2023.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Revista Interface Tecnológica
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os direitos autorais dos artigos publicados pertencem à revista Interface Tecnológica e seguem o padrão Creative Commons (CC BY 4.0), que permite o remixe, adaptação e criação de obras derivadas do original, mesmo para fins comerciais. As novas obras devem conter menção ao(s) autor(es) nos créditos.