• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.8.2021.tde-18052021-175948
Document
Author
Full name
Túlio Ferreira Leite da Silva
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2021
Supervisor
Committee
Beividas, Waldir (President)
Albuquerque, Felipe Iszlaji de
Matte, Ana Cristina Fricke
Souza, Luiz Sergio de
Title in Portuguese
Inteligência semiótica e TripAdvisor: deep learning e quantificações subjetivas na análise dos discursos de sanção de restaurante
Keywords in Portuguese
Análise de Sentimento
Aprendizado de Máquina
Gastronomia
Processamento de Linguagem Natural
Semiótica
Abstract in Portuguese
Uma realidade em que internet móvel 5G estará disponível em qualquer lugar do planeta bate à porta. Se a tecnologia anterior (4G) foi diretamente responsável pela possibilidade da revolução causada por Waze, Uber e iFood, ainda não somos capazes de prever o cenário dos próximos anos. A única certeza que temos: haverá muito texto para processar. Nossa contribuição com esta pesquisa, portanto, é a de fornecer atualização a uma proposta dos anos 1980 de utilização da semiótica como ferramenta de representação do conhecimento a ser utilizado por inteligências artificiais no processamento de linguagem natural (PLN). Assim, partimos das contribuições heurísticas fornecidas pela Escola de Paris e de novidades propostas pelo francês Claude Zilberberg, criador da hipótese tensiva. Por meio desse aparato teórico, apresentamos uma análise da estrutura das avaliações de restaurante na plataforma TripAdvisor e propomos um modelo de classificação para colaborar como pré-processamento para a análise de sentimentos. A partir de um corpus manualmente anotado com essa nova proposta, utilizamos elementos do estado da arte em inteligência artificial para PLN (deep learning) e implementamos um sistema automático de classificação. O modelo, desenvolvido para fazer as vezes de prova de conceito, alcança mais de 90% de acurácia. Entretanto, não são poucas as evidências de que esteja havendo sobreajuste (overfitting). Novas pesquisas estão em andamento para sanar este ponto, ainda assim, todo o aparato teórico não é afetado pelos problemas técnicos. Mais do que isso, ainda debatemos neste trabalho formas de vencer tais dificuldades por meio da classificação de mais corpus.
Title in English
Semiotic intelligence and TripAdvisor: deep learning and subjective quantifications in the discourse analysis of restaurants sanctions
Keywords in English
Gastronomy
Machine Learning
Natural Language Processing
Semiotics
Sentiment Analysis
Abstract in English
Worldwide availability of 5G mobile internet is fast becoming a reality. If the previous technology (4G) was directly responsible for enabling the revolution of Waze, Uber and iFood, we still can't predict the next few years. The only certainty we have is that there'll be a whole lot of text to process. Our contribution with this research, therefore, is to update the 1980's proposal of using semiotics as a tool of knowledge representation to aid artificial intelligence in natural language processing (NLP). Thus, we start with the heuristical contributions provided by the School of Paris, and the new proposals from Claude Zilberberg, creator of the tensive hypothesis. By means of this theoretical apparatus, we present a structural analysis of restaurant reviews on the TripAdvisor platform, and we propose a classification model to colaborate with the pre-processing of sentiment analysis. From a corpus manually notated with this new proposal, we use state of the art elements in NLP artificial intelligence (deep learning) to implement an automatic classification system. The model, developed to stand as a proof of concept, reaches over 90% accuracy. However, there is no shortage of evidence of overfitting, which new ongoing research is working to remedy. Still, the theoretical apparatus remains unaffected by these technical issues. Beyond that, we debate in this paper manners of overcoming such difficulties through the classification of more texts.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
There are withheld file due to requirements (data publishing, patents or rights).
Release Date
2023-05-18
Publishing Date
2021-05-18
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2021. All rights reserved.