Sentiment Analysis for Monitoring Public Opinion on Social Media about Public Services

• Giulia C. Bezerra IESB
• João Victor M. Vantil IESB
• Letícia T. M. Zoby IESB

DOI: https://doi.org/10.5753/eniac.2025.12445

Resumo

Este trabalho apresenta um sistema para monitoramento da perspectiva pública sobre serviços públicos no Brasil, a partir da análise de sentimentos de postagens da rede social Twitter. A metodologia envolve quatro etapas: coleta, pré-processamento, análise e visualização dos dados. A coleta é feita por um scraper em Python, capaz de contornar limitações das APIs oficiais e extrair tweets públicos relacionados a temas como educação, saúde e transporte. Os dados são estruturados em JSON e armazenados no banco NoSQL MongoDB. O pré-processamento aplica métodos de Processamento de Linguagem Natural para limpeza e normalização textual. A análise de sentimentos é elaborada com o modelo pré-treinado lipaoMai/BERT, que classifica os textos como positivos, negativos ou neutros. Os resultados são exibidos em um dashboard interativo desenvolvido com Angular e PrimeNG, alimentado por uma API RESTful em Java Spring Boot. A plataforma evidencia o potencial da utilização de Inteligência Artificial e técnicas de mineração de texto na gestão pública, ao oferecer apoio estratégico à formulação de decisões fundamentadas em dados atualizados e representativos da opinião da sociedade.

Referências

AGGARWAL, C. C. Machine learning for text. Cham: Springer, 2022. DOI: 10.1007/978-3-031-01677-2.

ALVAREZ-MELIS, D.; GITTENS, A.; JAAKKOLA, T. Public opinion mining using social media in government decision-making. arXiv, 2023. Disponível em: [link]. Acesso em: 20 maio 2025.

ALVES, J. P. R.; MENEZES, M. O. de. A análise de sentimentos e emoções de mensagens de redes sociais envolvendo serviços de entrega de alimentos. 2024. Disponível em: [link]. Acesso em: 19 maio 2025.

ANGULAR. Angular: documentação oficial. 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

BISHOP, C. M. Pattern recognition and machine learning. New York: Springer, 2006.

BORGOGNO, O.; CASALINI, A.; IACOMINI, E. Digital platforms and social listening: Using Twitter data for public interest analysis. Journal of Digital Government Research, v. 11, n. 1, p. 23–40, 2024.

CAMBRIA, E.; WHITE, B. Jumping NLP curves: a review of natural language processing research. IEEE Computational Intelligence Magazine, v. 9, n. 2, p. 48–57, 2014.

CARDOSO, Oscar. O Web Scraping Viola a Proteção de Dados Pessoais? | Jusbrasil. Disponível em: [link]. Acesso em: 3 jun. 2025.

CORREA, C. G. F. de O. Mineração de textos: análise de sentimentos de tweets sobre o Projeto de Lei n° 2630/2020. 2024. 61 f. Trabalho de Conclusão de Curso (Graduação em Gestão da Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024. Disponível em: [link]. Acesso em: 19 maio 2025.

DEVLIN, Jacob et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. arXiv preprint arXiv:1810.04805, 2018. Disponível em: [link]. Acesso em: 5 ago. 2025.

ECMA INTERNATIONAL. ECMAScript Language Specification (JavaScript). 2023. Disponível em: [link]. Acesso em: 20 maio 2025.

FELDMAN, R.; SANGER, J. The text mining handbook: advanced approaches in analyzing unstructured data. Cambridge: Cambridge University Press, 2007.

GÉRON, A. Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. 2. ed. Sebastopol: O’Reilly Media, 2019.

HOTHO, A.; NÜRNBERGER, A.; PAAß, G. A brief survey of text mining. LDV Forum, v. 20, n. 1, p. 19–62, 2005.

HUGGING FACE. BERT sentiment analysis portuguese. Hugging Face, 2023. Disponível em: [link]. Acesso em: 20 maio 2025.

JURAFSKY, D.; MARTIN, J. H. Speech and language processing: an introduction to natural language processing, computational linguistics, and speech recognition. 3. ed. [Online draft], 2023. Disponível em: [link]. Acesso em: 19 maio 2025.

KAPLAN, J. Web Scraping with Python: Collecting Data from the Modern Web. 2. ed. O’Reilly Media, 2021.

KREPS, J. et al. MongoDB for Big Data and Real-Time Analytics. Data Engineering Journal, v. 9, n. 3, p. 45–62, 2023.

LIU, B. Sentiment analysis: mining opinions, sentiments, and emotions. 2. ed. Cambridge: Cambridge University Press, 2020.

LOPES, M. F. M. Análise de sentimentos em redes sociais durante a temporada 2022 da Fórmula 1: um estudo utilizando processamento de linguagem natural no Twitter. Repositório Institucional da UTFPR, 2023. Disponível em: [link]. Acesso em: 19 maio 2025.

MITCHELL, T. M. Machine learning. New York: McGraw-Hill, 1997.

MONGODB INC. MongoDB Documentation. 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

MORIN, D.; BOURDEAU, D. Data Science and Web Scraping Using Python. Springer, 2020.

PRIMETEK INFORMATICS. PrimeNG v19 – UI components for Angular. 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

PUPPETEER. Puppeteer Documentation. 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

PYTHON SOFTWARE FOUNDATION. Python Language Reference, versão 3.11. 2023. Disponível em: [link]. Acesso em: 20 maio 2025.

REQUISITOS. Requests: HTTP for Humans. 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

RICHARDSON, L. BeautifulSoup Documentation. 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

ROKOSZ, K.; BIEŃ, A. Sentiment analysis of digital public discourse as support for social policy. Information Systems and e-Business Management, v. 23, n. 1, p. 55–73, 2025.

SELENIUM. Selenium Documentation. 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

SILVA, H. et al. Sentiment Analysis of Tweets Related to SUS Before and During COVID-19 pandemic. IEEE Latin America Transactions, v. 20, n. 1, p. 6–13, 2021. Disponível em: [link]. Acesso em: 19 maio 2025.

SOUZA, F.; LIMA, F.; COUTINHO, T. Avaliação de modelos BERT para análise de sentimentos em português. Revista Brasileira de Computação Aplicada, v. 15, n. 2, p. 44–56, 2023.

TEXTBLOB. TextBlob: simplified text processing [software]. [S. l.], 2013. Disponível em: [link]. Acesso em: 4 ago. 2025.

TWITTER. Plataforma de microblog usada como fonte de dados para análise de sentimentos. Twitter, 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

VMWARE. Spring Boot Documentation. 2025. Disponível em: [link]. Acesso em: 20 maio 2025.

ZHANG, Y.; GUI, L.; CAMBRIA, E. Sentiment analysis: a survey. Information Fusion, v. 91, p. 202–240, 2022. DOI: 10.1016/j.inffus.2022.01.004.