Souza, Ellen Polliana RamosNascimento, Eliaquim Moreira do2020-07-202020-07-202019NASCIMENTO, Eliaquim Moreira do. Análise comparativa de métodos de aprendizado supervisionado para mineração de opinião dos usuários da plataforma de e-participação votenaweb. 2019. 47 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Unidade Acadêmica de Serra Talhada, Universidade Federal Rural de Pernambuco, Serra Talhada, 2019.https://repository.ufrpe.br/handle/123456789/2436Com a evolução das tecnologias da informação, passam a existir novos meios que visam promover uma sociedade mais democrática e participativa, como é o caso das plataformas de participação e colaboração eletrônicas, também conhecidas por e-participation e e-collaboration. Contudo, apesar de ser possível fornecer uma opinião na grande maioria dessas plataformas, tais opiniões não são analisadas e consideradas no processo de construção da proposta ou projeto de lei.É impossível para o ser humano compreender completamente todo o conteúdo em uma quantidade razoável de tempo, o que despertou um interesse na comunidade científica por sistemas capazes de extrair informações desse tipo de dado de forma automática. Mineração de opinião, também conhecida como análise de sentimento, é a área de estudo que analisa automaticamente sentimentos e opiniões das pessoas acerca de entidades, como produtos e serviços, expressos de forma não estruturada, como em texto, por exemplo. Neste sentido, este trabalho busca identificar o melhor conjunto de classificador versus técnica de de pre-processamento para análise das opiniões dos usuários de plataformas de e-participação e e-colaboração disponíveis para os cidadãos brasileiros. Como estudo de caso, para validação da aplicação, foram coletadas opiniões do portal VOTENAWEB, tendo em vista que o mesmo é bastante utilizado, além de permitir aos cidadãos postar comentários sobre um determinado projeto. Três algoritmos de aprendizado supervisionado, com diferentes técnicas de pré-processamento foram avaliadas que são tokenização, remoção de stopwords, N-grama, TF-IDF e a incorporação de palavras, a fim de obter a melhor configuração para mineração de opinião. O algoritimo de regressão linear obteve o melhor resultado com acurácia de 88,22% e f-medida de 87,07%, enquanto que o aprendizado profundo que o aprendizado profundo obteve acurácia de 84,96% e f-medida de 84,90%.47 f.porhttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt_BRSistemas de coleta automática de dadosProcessamento eletrônico de dadosUsuários da InternetInterfaces de usuário (Sistemas de computação)bachelorThesisAtribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY-NC-SA 4.0)https://n2t.net/ark:/57462/001300000fxp0