Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/4282
Título: Modelo assistente para classificação de dados provenientes de redes sociais : um estudo de caso com dados do twitter
Autor(es): Basoni, Henrique Gomes
Orientador: Oliveira, Elias Silva de
Palavras-chave: Redes sociais
Data do documento: 14-Abr-2015
Editor: Universidade Federal do Espírito Santo
Resumo: Desde seu surgimento as redes sociais virtuais como Twitter têm alcançado exorbitante quantidade de usuários em todo o mundo, tornando-se um ambiente de imensurável potencial para pesquisas sociais, econômicas, culturais e etc. Cada vez mais pesquisadores têm voltado sua atenção para a grande massa de dados gerada diariamente nesse meio. Entretanto, lidar com grandes quantidades de dados é uma tarefa custosa quando realizada manualmente. O objetivo desta pesquisa é propor um conjunto de ferramentas e metodologia tal que possa diminuir o esforço humano gasto na organização de grandes massas de dados provenientes de redes sociais. Para atingir tal objetivo é proposto um modelo de trabalho iterativo, que explora ao máximo o conhecimento existente em uma pequena porção de dados manualmente analisada por especialistas. O modelo de trabalho combina técnicas de recuperação de informação como algoritmos de classificação e agrupamento com objetivo de tornar o resultado do processo mais parecido ao que o especialista obteria caso o realiza-se completamente manualmente. O modelo proposto foi colocado a prova com uso de dois conjuntos de dados extraídos do Twitter e manualmente classificado muito antes da realização desta pesquisa. Os resultados mostraram-se promissores.
Since its inception, virtual social networks like Twitter have reached exorbitant amount of users worldwide, making it an immeasurable potential environment for social research, economic, cultural and etc. Increasingly researchers have turned their attention to the great mass of data generated daily in this environment. However, handling large amounts of data is a costly task when performed manually. The objective of this research is to propose a set of tools and methodology that it can reduce the human effort spent in the organization of large masses of data from social networks. To achieve this goal, we propose an iterative work model that makes the most of existing knowledge in a small amount of data manually analyzed by experts. The working model combines information retrieval techniques such as classification and clustering algorithms in order to make the result of the most similar process to what the expert would get if carried out completely manually. The proposed model was put to the test with use of two sets of extracted data from Twitter and manually classified before this research. The results were promising.
URI: http://repositorio.ufes.br/handle/10/4282
Aparece nas coleções:PPGI - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_8868_HENRIQUE-DISSERTAÇÃO-FINAL20150710-134005.pdf837.37 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.