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
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.
- Resumo 243
- PDF 169