Show simple item record

dc.contributor.advisorMedeiros, Luciano F. de
dc.contributor.authorBarbosa, Marcelo E. G.
dc.contributor.authorMaas, Henry
dc.contributor.authorPereira, Bruno H. P.
dc.date.accessioned2023-05-22T21:14:35Z
dc.date.available2023-05-22T21:14:35Z
dc.date.issued2019
dc.identifier.urihttps://repositorio.uninter.com/handle/1/1390
dc.description.abstractSistemas de avaliações institucionais são ferramentas essenciais para viabilizar a melhoria das instituições de ensino, baseado de forma geral no feedback do aluno com relação a uma série de critérios. Na tentativa de compreender a grande quantidade de informações geradas por este processo, as técnicas de análise de sentimento podem auxiliar a extrair informações importantes em tais cenários. Baseando-se na literatura a partir das técnicas disponíveis para análise de sentimento, o projeto apresenta os principais conceitos utilizados para a construção de modelos de redes neurais capaz de classificar o sentimento com base em um corpus textual de domínio específico. Por meio de técnicas de experimentação, foram treinados 5 modelos de redes neurais artificiais a fim de evidenciar o melhor modelo para o corpus de avaliação institucional. Na avaliação dos modelos treinados, foi identificado que o BERT (Bidirectional Encoder Representations From Transformers - Representações Bidirecionais Codificadas por Transformadores) é uma técnica se mostrou como o melhor modelo para análise de sentimento com o corpus do questionário institucional aqui estudado, atingindo um F1 score de 0,912. Em adição a esta constatação, foi identificado também que, para futuras melhorias no modelo, o aumento do conjunto de dados pode levar a resultados mais precisos nas predições.pt_BR
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isopt_BRpt_BR
dc.rightsAcesso abertopt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectAnálise de Sentimentopt_BR
dc.subjectProcessamento de Linguagem Naturalpt_BR
dc.subjectClassificação de Textopt_BR
dc.subjectBERTpt_BR
dc.titleAnálise de sentimento por meio de redes neurais artificiais em sistemas de avaliação de cursos de graduaçãopt_BR
dc.typeTCCpt_BR
dc.degree.grantorCentro Universitário Internacional Uninterpt_BR
dc.degree.departmentEscola Superior Politécnicapt_BR
dc.degree.localCuritiba, Brasil/Paranápt_BR
dc.degree.date2019pt_BR
dc.degree.graduationEngenharia da Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record