Análise de sentimentos no YouTube
| dc.contributor.advisor | Montes, José Lucas Brandão | |
| dc.contributor.author | Cardoso, Jaina Dady Egler | |
| dc.date.accessioned | 2026-05-15T17:42:44Z | |
| dc.date.available | 2026-05-15T17:42:44Z | |
| dc.date.issued | 2026 | |
| dc.description | Trabalho de Conclusão de Curso apresen- tado ao Instituto Federal de Educação, Ci- ência e Tecnologia de Rondônia – IFRO, Campus Vilhena, como requisito parcial para a obtenção do título de Tecnóloga em Análise e Desenvolvimento de Sistemas | |
| dc.description.abstract | A análise de sentimentos é uma das aplicações mais úteis da inteligência artificial no mundo digital atual. Com o grande volume de comentários gerados em plataformas como o YouTube, torna-se inviável fazer essa leitura de forma manual. Este trabalho teve como objetivo personalizar um modelo de linguagem pré-treinado, o BERTimbau, para interpretar sentimentos em comentários de vídeos em português. Foram utilizados três conjuntos de dados: IMDB PT-BR, Comentários Tóxicos e Tweets Ekman. Após treinamento e testes, o modelo demonstrou bons resultados na identificação de sentimentos negativos, especialmente quando treinado com dados mais próximos da linguagem informal das redes sociais. O processo envolveu coleta automatizada via API do YouTube, limpeza dos dados, tokenização e aplicação de técnicas de aprendizado profundo. O trabalho também discutiu limitações como o tempo elevado de treinamento e os desafios na interpretação de ironia e ambiguidade. Ainda assim, os resultados mostram que é possível aplicar inteligência artificial de forma prática para entender a opinião pública em larga escala | |
| dc.description.abstract2 | Sentiment analysis is one of the most useful applications of artificial intelligence in today’s digital world. With the massive amount of comments posted on platforms like YouTube, manual analysis becomes unfeasible. This study aimed to fine-tune a pre-trained language model, BERTimbau, to interpret sentiments in Portuguese video comments. Three datasets were used: IMDB PT-BR, Toxic Comments PT-BR, and Tweets Ekman. After training and testing, the model showed good results in detecting negative sentiments, especially when using data closer to the informal language found on social media. The process involved automated comment collection through the YouTube API, data cleaning, tokenization, and deep learning techniques. The study also addressed limitations such as long training time and challenges in detecting irony and ambiguity. Nevertheless, the results demonstrate that artificial intelligence can be effectively applied to understand public opinion at scale. | |
| dc.identifier.citation | CARDOSO, Jaina Dady Egler. Análise de sentimentos no YouTube . Orientador: Jose Lucas Brandao Montes. 2026. 56 f. Trabalho de Conclusão de Curso (Superior de Tecnologia em Análise e Desenvolvimento de Sistemas); Instituto Federal de Educação, Ciência e Tecnologia de Rondônia, Vilhena, 2026. | |
| dc.identifier.uri | http://repositorio.ifro.edu.br/handle/123456789/2602 | |
| dc.language.iso | Português | pt_BR |
| dc.publisher.campi | Campus Vilhena | pt_BR |
| dc.publisher.program | Tecnologia em Análise e Desenvolvimento de Sistemas | pt_BR |
| dc.subject | Análise de sentimentos | |
| dc.subject | YouTube | |
| dc.subject | BERTimbau | |
| dc.subject | Linguagem natural | |
| dc.subject | PLN | |
| dc.subject.keyword | Sentiment analysis | |
| dc.subject.keyword | YouTube | |
| dc.subject.keyword | BERTimbau | |
| dc.subject.keyword | Natural language processing | |
| dc.subject.keyword | NLP | |
| dc.title | Análise de sentimentos no YouTube | |
| dc.type | Trabalho de Conclusão de Curso | pt_BR |