BIA - IFPI Campus Picos Tecnologia Tecnologia em Análise e Desenvolvimento de Sistemas - Picos
Use este identificador para citar ou linkar para este item: https://bia.ifpi.edu.br/jspui/handle/123456789/4756
Registro completo de metadados
Campo DCValorIdioma
dc.creatorMoura Filho, Marcos Paulo Soares-
dc.date.accessioned2025-09-23T11:38:20Z-
dc.date.available2025-09-23T11:38:20Z-
dc.date.issued2025-
dc.identifier.urihttps://bia.ifpi.edu.br/jspui/handle/123456789/4756-
dc.description.abstractOnline 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.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia do Piauípt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAnálise de Sentimentospt_BR
dc.subjectDiscrepância de Avaliaçõespt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectProcessamento de Linguagem Naturalpt_BR
dc.subjectModelos Transformerspt_BR
dc.subjectSentiment Analysispt_BR
dc.subjectReview Discrepancypt_BR
dc.subjectMachine Learningpt_BR
dc.subjectNatural Language Processingpt_BR
dc.subjectTransformers Modelspt_BR
dc.titleSentimento Vs. Nota: Detectando Discrepâncias Em Avaliações De Aplicativospt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5968275868431383pt_BR
dc.contributor.advisor1Sousa, Rogério Figueredo-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9346694618502913pt_BR
dc.contributor.referee1Sousa, Rogério Figueredo-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9346694618502913pt_BR
dc.contributor.referee2Anchiêta, Rafael Torres-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7021895357654363pt_BR
dc.contributor.referee3Medeiros, Manoel Messias Pereira-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/3692751461745479pt_BR
dc.description.resumoAs 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.publisher.countryBrasilpt_BR
dc.publisher.departmentCampus Picospt_BR
dc.publisher.initialsIFPIpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
Aparece nas coleções:Tecnologia em Análise e Desenvolvimento de Sistemas - Picos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2025_tcc_mpsmourafilho.pdf158.55 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.