@MASTERSTHESIS{ 2018:1653869865,
 	title = {Estudo comparativo de análise de sentimentos aplicado à notícias públicas},
 	year = {2018},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/2110",
 	abstract = "No período eleitoral, grande parte da opinião pública sobre partidos e candidatos
 é formada a partir de notícias veiculadas através dos meios de comunicação
 de massa: TV, radio, jornal e principalmente internet, através de portais de notícias
 online. Entretanto, existe um debate sobre a verdadeira imparcialidade desses meios
 ao transmitir a informação aos telespectadores. Alguns acusam a mídia de favorecer
 algumas figuras políticas e suas agendas, enquanto outros reafirmam a imparcialidade
 deste meio de comunicação. Entretanto, julgar a parcialidade de notícias
 políticas é uma tarefa que está sujeita a subjetividade do avaliador, que nem sempre
 reflete a realidade. Neste contexto, os métodos providos pelo Processamento de
 Linguagem Natural, através do campo de estudo da Análise de Sentimento, podem
 trazer uma visão menos enviesada nessa discussão. Análise de Sentimento é campo
 que alia as ferramentas de mineração de texto com ferramentas aprendizagem de
 máquina afim de classificar textos de acordo com sentimento expresso: positivo,
 negativo ou neutro. Neste trabalho é proposto um estudo comparativo entre as técnicas
 de representação de texto, seleção de atributos e ferramentas de aprendizagem
 de máquina para se classificar notícias políticas coletadas em portais online sobre
 as eleições brasileiras de 2014 quanto a sua opinião/sentimento (positivo, negativo
 ou neutro). Neste estudo os classificadores Naïve Bayes, Support Vector Machines e
 Regressão Logística (ou MaxEnt) são avaliados juntamente com as técnicas de seleção
 de atributos Qui Quadrado, Categorical Proportional Difference e Categorical
 Probability Proportional Difference. Os experimentos conduzidos visam escolher a
 melhor representação vetorial do texto, o melhor método de seleção de atributos e o
 melhor classificador para a base de dados proposta. A avaliação é realizada através
 de validação cruzada medindo-se a acurácia média e seu desvio-padrão para cada
 experimento. Os resultados experimentais apontam para representação bag-of-words
 utilizando vocabulário de unibigrams selecionados pela técnica Categorical Probability
 Proportional Difference juntamente com o classificador MaxEnt, atigindo uma
 acurácia média de 84,45% com um desvio-padrão de 0.029.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}