Sentimento Vs. Nota: Detectando Discrepâncias Em Avaliações De Aplicativos

Simple item page
dc.contributor.advisor1 Sousa, Rogério Figueredo
dc.contributor.advisor1Lattes http://lattes.cnpq.br/9346694618502913pt_BR
dc.contributor.referee1 Sousa, Rogério Figueredo
dc.contributor.referee1Lattes http://lattes.cnpq.br/9346694618502913pt_BR
dc.contributor.referee2 Anchiêta, Rafael Torres
dc.contributor.referee2Lattes http://lattes.cnpq.br/7021895357654363pt_BR
dc.contributor.referee3 Medeiros, Manoel Messias Pereira
dc.contributor.referee3Lattes http://lattes.cnpq.br/3692751461745479pt_BR
dc.creator Moura Filho, Marcos Paulo Soares
dc.creator.Lattes http://lattes.cnpq.br/5968275868431383pt_BR
dc.date.accessioned 2025-09-23T11:38:20Z
dc.date.available 2025-09-23T11:38:20Z
dc.date.issued 2025
dc.description.abstract Online reviews strongly influence consumer behavior, yet they often exhibit discrepancies between their numerical rating and the sentiment expressed in the text. This paper presents a quantitative analysis of these discrepancies using machine learning models applied to the UTL-Corpus, a corpus of Google Play Store reviews. Among the models tested for polarity classification, BERTimbau achieved the best performance (91% accuracy and 90% F1-score) and identified 1,772 discrepant reviews (17.7% of the total), most of which were positive. The study highlights the importance of analyzing textual content in addition to numerical ratings to enhance feedback interpretation and improve the effectiveness of recommendation systems.pt_BR
dc.description.resumo As avaliações online exercem forte influência no comportamento dos consumidores, mas costumam apresentar divergências entre a nota numérica e o sentimento expresso no texto. Este artigo apresenta uma análise quantitativa dessas discrepâncias utilizando modelos de aprendizado de máquina aplicados ao UTL-Corpus, um córpus de avaliações da Google Play Store. Dentre os modelos testados para classificação de polaridade, o BERTimbau obteve melhor desempenho (acurácia de 91% e F1-score de 90%) e identificou 1.772 avaliações discrepantes (17,7% do total), em sua maioria positivas. O estudo reforça a importância de analisar o conteúdo textual além das notas para aprimorar a compreensão de feedbacks e a eficácia dos sistemas de recomendação.pt_BR
dc.identifier.uri https://bia.ifpi.edu.br/jspui/handle/123456789/4756
dc.language porpt_BR
dc.publisher Instituto Federal de Educação, Ciência e Tecnologia do Piauípt_BR
dc.publisher.country Brasilpt_BR
dc.publisher.department Campus Picospt_BR
dc.publisher.initials IFPIpt_BR
dc.rights Acesso Abertopt_BR
dc.subject Análise de Sentimentospt_BR
dc.subject Discrepância de Avaliaçõespt_BR
dc.subject Aprendizado de Máquinapt_BR
dc.subject Processamento de Linguagem Naturalpt_BR
dc.subject Modelos Transformerspt_BR
dc.subject Sentiment Analysispt_BR
dc.subject Review Discrepancypt_BR
dc.subject Machine Learningpt_BR
dc.subject Natural Language Processingpt_BR
dc.subject Transformers Modelspt_BR
dc.subject.cnpq CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
dc.title Sentimento Vs. Nota: Detectando Discrepâncias Em Avaliações De Aplicativospt_BR
dc.type Trabalho de Conclusão de Cursopt_BR

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2025_tcc_mpsmourafilho.pdf
Size:
158.55 KB
Format:
Adobe Portable Document Format
Description:
Download
Thumbnail Image
Name:
2025_termo_mpsmourafilho.pdf
Size:
265.82 KB
Format:
Description:
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.82 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tecnologia em Análise e Desenvolvimento de Sistemas - Picos