@MASTERSTHESIS{ 2025:440545059,
 	title = {Análise de sentimentos em tweets utilizando modelos tradicionais, deep learning e RoBERTa  },
 	year = {2025},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/6493",
 	abstract = "Nesta pesquisa, desenvolve-se uma análise de sentimentos por meio da aplicação de
 diferentes modelos de classificação a textos curtos e informais, como aqueles encontrados
 em redes sociais, especificamente no Twitter, atualmente X. O estudo contempla algoritmos
 tradicionais de aprendizado supervisionado, como LSTM (Long Short-Term Memory),
 LinearSVC, Regressão Logística, BernoulliNB e Árvore de Decisão, além de modelos mais
 avançados baseados na arquitetura Transformer, com destaque para o modelo RoBERTa
 (Robustly Optimized BERT Pretraining Approach). Esses modelos são avaliados quanto à
 sua capacidade de identificar, com precisão, sentimentos positivos, negativos ou neutros,
 considerando diferentes técnicas de pré-processamento, vetorização e representação textual.
 A proposta busca comparar esses modelos em diferentes contextos e estruturas linguísticas,
 evidenciando suas vantagens e limitações no domínio do Processamento de Linguagem
 Natural (PLN). Adicionalmente, são empregadas técnicas de otimização para ajuste de
 hiperparâmetros, com o objetivo de aprimorar o desempenho dos modelos em um conjunto
 de dados com um milhão de tweets. Os modelos RoBERTa e LSTM foram os que tiveram
 melhores resultados de acurácia com 89,84% e 79,13%, que foram melhores e competitivos
 com os resultados da literatura recente.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}