Abstrato

Avaliação da qualidade do conteúdo gerado pelo utilizador no Twitter - uma abordagem baseada na aprendizagem profunda

Irfan Mohiuddin

A social media hoje pode ser uma plataforma para muitos utilizadores ativos em todo o mundo partilharem o seu conteúdo. A cada segundo, são milhares as mensagens ou comentários publicados em diferentes redes sociais. Com estes números impressionantes de conteúdo gerado pelo utilizador (UGC), certamente surgirão desafios. Um desses desafios é avaliar o padrão de CGU nas redes sociais porque o conteúdo gerado nas redes sociais pode ter um impacto positivo ou negativo também nos outros utilizadores e pessoas habituais. o conteúdo de inferioridade não afeta apenas a experiência de navegação do utilizador, mas também deteriora o valor estético das redes sociais. Portanto, o nosso objetivo é avaliar com precisão o padrão de conteúdo para comercializar a propagação de conteúdo de alta qualidade. A avaliação bem-sucedida da qualidade do CGU nas redes sociais promove a expansão do CGU de alta utilidade, que pode ser empregue por outras aplicações e organizações para benefícios sociais ou organizacionais. durante este artigo, propomos um modelo baseado na aprendizagem profunda, que tira partido da avaliação padrão da UGC. Os resultados experimentais demonstram que o nosso modelo proposto leva a uma elevada precisão e a uma baixa perda. As plataformas de redes sociais, fóruns, blogs e sites de opinião geram uma grande quantidade de conhecimento. Estes dados dentro do tipo de opiniões, emoções e pontos de vista sobre serviços, política e produtos são caracterizados por um formato não estruturado. Os utilizadores finais, os setores empresariais e os políticos são altamente influenciados pelos sentimentos das pessoas expressos nas plataformas de redes sociais. Portanto, extrair, analisar, resumir e prever as emoções de grandes dados não estruturados requer uma análise automatizada dos sentimentos. A análise de sentimentos é um processo automático de extração de opiniões dos dados e de classificação das emoções como positivas, negativas e neutras. A falta de dados rotulados suficientes para a análise do sentimento é um dos desafios cruciais no processamento da língua. A aprendizagem profunda emergiu juntamente com as soluções mais procuradas para lidar com este desafio, graças à capacidade de aprendizagem automatizada e hierárquica inerentemente suportada pelos modelos de aprendizagem profunda. Considerando a aplicação de abordagens de aprendizagem profunda para a análise de sentimento, este capítulo pretende apresentar a taxonomia de características a considerar para a análise de sentimento baseada na aprendizagem profunda e desmistificar o papel das abordagens de aprendizagem profunda para a análise de sentimento. A análise de sentimentos é o processo automatizado de analisar dados de texto e classificá-los em sentimentos positivos, negativos ou neutros. Utilizar ferramentas de análise de sentimento para pesquisar opiniões em dados do Twitter pode ajudar as empresas a compreender como as pessoas estão a falar sobre a sua marca. que as empresas tenham sucesso num público alargado e se conectem com clientes sem intermediários. Por outro lado, é mais difícil para as marcas detetarem rapidamente conteúdos negativos,e se se tornar viral, poderá deparar-se com uma crise inesperada de relações públicas nas suas mãos. Esta é uma das explicações pelas quais a escuta social - monitorizar conversas em plataformas de redes sociais - se tornou um processo importante no marketing de redes sociais . Monitorizar o Twitter permite que as empresas conheçam o seu público, acompanhem o que está a ser dito sobre a sua marca e os seus concorrentes e descubram novas tendências no setor.