Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/33486| Título: | Análise de sentimentos em redes sociais durante a temporada 2022 da fórmula 1: um estudo utilizando processamento de linguagem natural no twitter |
| Título(s) alternativo(s): | Sentiment analysis in social networks during the 2022 formula 1 season: a study using natural language processing on twitter |
| Autor(es): | Lopes, Matheus Felipe Mileski |
| Orientador(es): | Mantovani, Rafael Gomes |
| Palavras-chave: | Mineração de dados (Computação) Aprendizado do computador Análise linguística Opinião pública Data mining Machine learning Linguistic analysis (Linguistics) Public opinion |
| Data do documento: | 21-Nov-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Apucarana |
| Citação: | LOPES, Matheus Felipe Mileski. Análise de sentimentos em redes sociais durante a temporada 2022 da fórmula 1: um estudo utilizando processamento de linguagem natural no twitter. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) – Universidade Tecnológica Federal do Paraná, Apucarana, 2023. |
| Resumo: | A importância cada vez maior dos dados para a tomada de decisões estratégicas e o reconhecimento das redes sociais como vastos repositórios de opinião pública impulsionaram a realização deste estudo, que teve como objetivo explorar a interação entre as emoções humanas e os eventos de automobilismo. A pesquisa centrou-se na aplicação do Processamento de Linguagem Natural (PLN) para extrair e analisar sentimentos manifestados em tweets sobre a Fórmula 1. Aplicou-se técnicas avançadas de aprendizado de máquina e aprendizado profundo para treinar vários modelos na tarefa de identificação de sentimentos. Dentre eles, o Logistic Regression e o modelo Long Short-Term Memory (LSTM) destacaram-se, alcançando acurácias de 78,21% e 78,08%, respectivamente. O modelo LSTM, em particular, foi implementado em um conjunto de dados público de tweets coletados durante as temporadas de 2021 e 2022 da Fórmula 1. O modelo foi utilizado para classificar os sentimentos expressos pelos fãs, permitindo uma análise exploratória dos dados correlacionados a eventos específicos das corridas. Os resultados obtidos revelaram padrões significativos de engajamento, com picos notáveis de reações emocionais coincidindo com momentos-chave das temporadas. As descobertas encontradas ilustram como eventos particulares podem influenciar profundamente as emoções e o comportamento dos fãs, bem como, a partir da análise detalhada dos sentimentos expressos, é possível obter dados valiosos que podem ser aproveitados para o desenvolvimento de estratégias de marketing e comunicação mais eficazes no esporte. |
| Abstract: | The growing importance of data in strategic decision-making and the recognition of social networks as vast repositories of public opinion have propelled this study, which aimed to explore the interaction between human emotions and motorsport events. The research focused on applying Natural Language Processing (NLP) to extract and analyze sentiments expressed in tweets about Formula 1. Advanced machine learning and deep learning techniques were employed to train various models in the sentiment classification task. Among these, the Logistic Regression and the Long Short-Term Memory (LSTM) model stood out, achieving accuracies of 78.21% and 78.08%, respectively. The LSTM model, in particular, was implemented on a public dataset of tweets collected during the 2021 and 2022 Formula 1 seasons. The model was used to classify the sentiments expressed by fans, allowing for an exploratory analysis of data correlated to specific events of the races. The findings revealed significant engagement patterns, with notable spikes in emotional reactions coinciding with key moments of the seasons. These discoveries illustrate how particular events can profoundly influence the emotions and behavior of fans, and from a detailed analysis of expressed sentiments, valuable data can be obtained that may be leveraged for developing more effective marketing and communication strategies in the sport. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/33486 |
| Aparece nas coleções: | AP - Engenharia de Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| sentimentotwitter.pdf | 5,45 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
