Use este identificador para citar ou linkar para este item: http://repositorio.mar.mil.br/handle/ripcmb/844354
Registro completo de metadados
Campo DCValorIdioma
dc.contributorMenasché, Daniel Sadoc-
dc.contributorLima, Priscila Machado Vieira-
dc.contributor.authorCavalcanti, Rafael Dutra-
dc.date.accessioned2020-01-16T16:51:55Z-
dc.date.available2020-01-16T16:51:55Z-
dc.date.issued2017-
dc.identifier.urihttp://repositorio.mar.mil.br/handle/ripcmb/844354-
dc.descriptionUma notícia tendenciosa é, às vezes, bem suave para o interlocutor, e alcança seu objetivo de influenciar a opinião do leitor no mesmo sentido. Nos dias atuais, devido a quantidade de informações existentes, muitas pessoas sentem dificuldades em avaliar a ideia principal do conteúdo de uma notícia ou se existe alguma tendência, no caso deste trabalho, política. Nesta dissertação, buscamos a identificação de polaridade em notícias políticas em português através do processo de mineração de dados textuais com a utilização da Rede Neural sem Peso WiSARD e de uma derivação, a ClusWiSARD. O WiSARD funciona através de uma estrutura de discriminadores, onde cada discriminador é responsável por identificar uma classe. Realizamos avaliações relacionadas ao corpo da notícia e à manchete da notícia e realizamos uma avaliação de um veículo de mídia amplamente conhecido. Obtivemos acurácia de cerca de 90% ao utilizar o corpo da notícia completo e acurácia de cerca de 75% ao considerar apenas manchetes. Além disso, também fazemos uma análise temporal sobre a dinâmica política das tendências.pt_BR
dc.descriptionDissertação de Mestrado submetida ao Corpo Docente do Departamento de Ciência da Computação do Instituto de Matemática, e Instituto Tércio Pacitti de Aplicações e Pesquisas Computacionais da Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários para obtenção do título de Mestre em Informática.pt_BR
dc.description.abstractBiased news can influence the reader's opinion in subtle ways. Nowadays, due to the unprecedented amount of information created and made available through social media, the identification of biases is increasingly challenging. In the domain of politics, addressing the challenge is particularly relevant. In this dissertation, we seek the identification of polarity in Portuguese political news through the process of textual data mining using the WiSARD Weightless NeuralNetwork, and one of its extensions, the Clus WiSARD. The WiSARD classifier works through a structure of discriminators, where each discriminator is responsible for identifying a class. We assessed polarity using the body and the headline of news published in widely known media vehicles. The obtained results are encouraging, indicating the feasibility of automatic and eficient bias detection. We obtained accuracy of about 90% when using full body news and accuracy of the 75% when considering only headlines. In addition, we also perform a temporal analysis on the political dynamics of bias.en_US
dc.language.isoporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiro (UFRJ)pt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectL – TECNOLOGIA DA INFORMAÇÃO (DGPM-305)pt_BR
dc.subjectL2 - CIÊNCIA DA COMPUTAÇÃO (DGPM-305)pt_BR
dc.subjectRedes neuraispt_BR
dc.subjectMineração de textopt_BR
dc.subjectBig datapt_BR
dc.titleClassificação de tendências políticas em notícias via mineração de texto e redes neurais sem pesopt_BR
dc.typeDissertaçãopt_BR
dc.location.countryBrasilpt_BR
Aparece nas coleções:Tecnologia da Informação: Coleção de Dissertações

Arquivos associados a este item:
Arquivo TamanhoFormato 
Dissertacao_RafaelDutra.pdf1,04 MBAdobe PDFVisualizar/Abrir


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