Skip navigation
Please use this identifier to cite or link to this item: http://repositorio2.unb.br/jspui/handle/10482/47917
Files in This Item:
File SizeFormat 
AlexandreCabralGodinho_DISSERT.pdf3,06 MBAdobe PDFView/Open
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorRocha Filho, Geraldo Pereirapt_BR
dc.contributor.authorGodinho, Alexandre Cabralpt_BR
dc.date.accessioned2024-02-27T20:57:24Z-
dc.date.available2024-02-27T20:57:24Z-
dc.date.issued2024-02-27-
dc.date.submitted2023-06-29-
dc.identifier.citationGODINHO, Alexandre Cabral. STALLA : um framework para análise de fontes abertas durante a pandemia do Covid-19 . 2023. xi, 51 f., il. Dissertação (Mestrado Profissional em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023.pt_BR
dc.identifier.urihttp://repositorio2.unb.br/jspui/handle/10482/47917-
dc.descriptionDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica, 2023.pt_BR
dc.description.abstractA expansão das redes sociais resultou em um aumento na distribuição de campanhas de desinformação, que colocam em risco a estabilidade democrática nacional, tornando-se um elemento desfavorável para a produção do conhecimento de Inteligência. Com o objetivo de mitigar este óbice, foi proposto o framework STALLA para coleta, tratamento, rotulação automatizada e análise de informações, proporcionando maior eficiência na produção do conhecimento. Assim, o estudo tem por escopo a pandemia do Covid-19, a partir de dados coletados de textos curtos (tweets), no idioma português, da rede social Twitter. Considerando-se os trabalhos correlatos, as Redes Neurais Recorrentes (RNN) apresentam-se como as mais vocacionadas para análises textuais. A partir dessa premissa, o desempenho do STALLA foi analisado comparando-se as implementações das redes LSTM e BiLSTM, resultando em uma acurácia de aproximadamente 70%, valor considerado expressivo para a definição da relevância da informação.pt_BR
dc.language.isoporpt_BR
dc.rightsAcesso Abertopt_BR
dc.titleSTALLA : um framework para análise de fontes abertas durante a pandemia do Covid-19pt_BR
dc.typeDissertaçãopt_BR
dc.subject.keywordRedes sociaispt_BR
dc.subject.keywordRedes neurais recorrentespt_BR
dc.subject.keywordFrameworkpt_BR
dc.subject.keywordCovid-19pt_BR
dc.subject.keywordAnálise de dadospt_BR
dc.subject.keywordDesenvolvimento de sistemaspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.pt_BR
dc.contributor.advisorcoGonçalves, Vinícius Pereirapt_BR
dc.description.abstract1The spread of social networks has resulted in an increase in the distribution of disinformation campaigns, which put national democratic stability at risk, becoming an unfavorable element for the intelligence knowledge production. In order to mitigate this bottleneck, the STALLA framework was proposed for the collection, treatment, automated labeling and analysis of information, providing greater efficiency in knowledge production. Thus, the study has as scope the Covid-19 pandemic, from data collected from short texts (tweets), in the Portuguese language, from the social network Twitter. Considering the related works, Recurrent Neural Networks (RNN) present themselves as the most suitable for textual analysis. Based on this premise, the performance of STALLA was analyzed by comparing the implementations of LSTM and BiLSTM networks, resulting in an accuracy of approximately 70%, a value considered significant for the definition of information relevance.pt_BR
dc.description.unidadeFaculdade de Tecnologia (FT)pt_BR
dc.description.unidadeDepartamento de Engenharia Elétrica (FT ENE)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Engenharia Elétrica, Mestrado Profissionalpt_BR
Appears in Collections:Teses, dissertações e produtos pós-doutorado
UnB - Covid-19

Show simple item record " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/47917/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.