PREDIÇÃO DE LINKS EM REDES SOCIAIS ACADÊMICAS: UMA ANÁLISE DA INFLUÊNCIA DAS CARACTERÍSTICAS DA REDE NA EFICÁCIA DOS ALGORITMOS BASEADOS NA TOPOLOGIA

A predição de links em redes sociais tem sido objeto de estudo em um crescente número de artigos científicos e comerciais devido à grande oferta de bases de dados com representações das relações entre pessoas e também devido à facilidade de acesso a recursos computacionais para análise dessas redes. Prever conexões em redes sociais acadêmicas contribui para o crescimento científico, facilitando a colaboração entre pesquisadores com potencial de contribuição mútua. Este trabalho busca identificar as características das redes levam a uma maior eficiência na predição de links feita por algoritmos baseados na topologia. As características serão isoladas conjuntos de dados e alguns experimentos serão repetidos com diferentes algoritmos para buscar identificar tendências. As análises feitas neste trabalho poderão ajudar a compreender melhor a dinâmica das redes sociais acadêmicas e também contribuir na escolha dos melhores algoritmos de predição de link para cada tipo de rede social.

Mineração de Textos: Detecção automática de sentimentos em comentários nas mídias sociais

Avanços recentes nas técnicas de análise automática de documentos, possibilitaram o reconhecimento de aspectos subjetivos. Dentre algumas tarefas da análise de sentimentos, destaca-se a classificação da polaridade do texto, ou seja, o quão negativa ou positiva são as opiniões expressadas nele. Contudo, por ser uma área ainda em desenvolvimento, métodos criados para estas análises, na maioria, são para língua inglesa, o que dificulta sua utilização em textos escritos em português. Assim, esse trabalho tem como objetivo o estudo e a implementação de uma ferramenta que, conterá um algoritmo de classificação de sentimentos, sendo ele capaz de avaliar a polaridade de textos extraídos de mídias sociais, baseando-se em técnicas da mineração de textos.