Uma abordagem para análise de sentimento no twitter

Este trabalho visa apresentar o conceito de aprendizado de máquina e alguns dos conteúdos que, neste trabalho, foram atrelados a ele, tais como o processamento de linguagem natural e a análise de sentimento. Para melhor apresentar o aprendizado de máquina foi desenvolvida uma aplicação que faz uso do aprendizado supervisionado e através dela foram executados e comparados três algoritmos para analisar qual, dentre eles, possui as melhores taxas de aprendizado. Os dados de treino e teste aqui utilizados são provenientes de um dataset composto por tweets referente ao estado de Minas Gerais. Os algoritmos usados para realizar a comparação foram o Bernoulli, o Random Forest e o Multinomial. Após a comparação foram exibidos os resultados obtidos por meio da matriz de confusão de cada um dos algoritmos e por meio dela foi possível observar qual obteve o melhor desempenho.

This work aims to learn the concept of machine learning and some of the contents that, in this work, were tied to it, such as natural language processing and sentiment analysis. To better present machine learning, an application was developed that makes use of supervised learning and through it three algorithms were executed and compared to analyze which of them has the best learning rates. The training and testing data used here comes from a dataset composed of tweets referring to the state of General Mins. The algorithms used to perform the comparison were Bernoulli, Random Forest and Multinomial. After the comparison, the results obtained were obtained through the confusion matrix of each of the algorithms and through it it was possible to observe which obtained the best performance.