DSpace/Manakin Repository

Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade.

Mostrar registro simples

dc.creator.ID NASCIMENTO, A. J. pt_BR
dc.contributor.advisor1 MORAIS, Fábio Jorge Almeida.
dc.contributor.advisor1ID MORAIS, F. J. A. pt_BR
dc.contributor.advisor1Lattes http://lattes.cnpq.br/0987042606840444 pt_BR
dc.contributor.referee1 GOMES, Reinaldo Cezar de Morais.
dc.contributor.referee1ID GOMES, Reinaldo Cézar de Morais pt_BR
dc.contributor.referee1Lattes http://lattes.cnpq.br/8132074356628564 pt_BR
dc.contributor.referee2 MONGIOVI, Melina Mongiovi.
dc.contributor.referee2ID MONGIOVI, M. pt_BR
dc.contributor.referee2Lattes http://lattes.cnpq.br/7535849756393864 pt_BR
dc.description.resumo Um dos maiores problemas encontrados em aplicações que estão envolvidas no ecossistema de Big Data está relacionado à disponibilidade e qualidade de dados para modelos de IA e outras análises direcionadas. Aplicações com esse foco necessitam de dados que disponham de alta qualidade, já que o resultado de seus serviços depende da integridade da informação usada no processo. Quando pensamos em dados textuais, devemos saber que a informação fornecida para aplicações que envolvem processamento de texto, devem ser as melhores possíveis. Desta forma, foi desenvolvido uma aplicação que trata da gerência da coleta e tratamento contínuo de dados textuais. O contexto da aplicação está fixo na coleta de dados textuais da rede social Reddit. Através da API fornecida pela rede, é feita a ingestão de dados de uma comunidade específica. Com base nos dados coletados, a ferramenta trata de fazer todo o orquestramento de tarefas que gerenciam a coleta, tratamento e disponibilização desses dados. Para teste da ferramenta, os dados disponíveis são passados para um modelo de PLN, que usa LDA para mapear tópicos com base nos textos extraídos do site. A aplicação se baseia nos conceitos de streaming de dados e processamento de texto, de forma contínua e automática, a fim de manter uma base de dados sólida e de qualidade para análises de texto. pt_BR
dc.publisher.country Brasil pt_BR
dc.publisher.department Centro de Engenharia Elétrica e Informática - CEEI pt_BR
dc.publisher.initials UFCG pt_BR
dc.subject.cnpq Ciência da Computação pt_BR
dc.title Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade. pt_BR
dc.date.issued 2023-11-17
dc.description.abstract One of the biggest problems encountered in applications that are involved in the Big Data ecosystem is related to the availability and quality of data for AI models and other targeted analyses. Applications with this focus need high-quality data, since the results of their services depend on the integrity of the information used in the process. When we think of textual data, we should know that the information provided to applications that involve text processing should be the best possible. An application has therefore been developed to manage the collection and ongoing processing of textual data. The context of the application is fixed on the collection of textual data from the Reddit social network. Using the API provided by the network, data is ingested from a specific community. Based on the data collected, the tool orchestrates all the tasks that manage the collection, processing and availability of this data. To test the tool, the available data is passed to a PLN model, which uses LDA to map topics based on the texts extracted from the site. The application is based on the concepts of streaming data and text processing, continuously and automatically, in order to maintain a solid, quality database for text analysis. pt_BR
dc.identifier.uri http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/36709
dc.date.accessioned 2024-07-18T15:29:48Z
dc.date.available 2024-07-18
dc.date.available 2024-07-18T15:29:48Z
dc.type Trabalho de Conclusão de Curso pt_BR
dc.subject Big Data pt_BR
dc.subject Processamento de Linguagem Natural pt_BR
dc.subject ETL pt_BR
dc.subject Reddit pt_BR
dc.subject Inteligência Artificial pt_BR
dc.subject Natural Language Processing pt_BR
dc.subject Artificial intelligence pt_BR
dc.rights Acesso Aberto pt_BR
dc.creator NASCIMENTO, André Jordão do.
dc.publisher Universidade Federal de Campina Grande pt_BR
dc.language por pt_BR
dc.title.alternative Ingesting and processing textual data from Reddit: a quality and availability solution. pt_BR
dc.identifier.citation NASCIMENTO, André Jordão do. Ingestão e processamento de dados textuais do Reddit: uma solução de qualidade e disponibilidade. 2023. 12 f. Artigo (Bacharelado em Ciência da Computação) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2023. pt_BR


Arquivos deste item

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Buscar DSpace


Busca avançada

Navegar

Minha conta