Identificação e Categorização de Reclamações em Comentários sobre Empresas do Ramo de Apostas Esportivas
Resumo
Uma parte significativa dos comentários em perfis de empresas de apostas esportivas referem-se a reclamações e problemas reportados pelos clientes. O presente trabalho testou métodos de aprendizado supervisionado para classificar comentários como reclamações em dados coletados do Instagram, sendo escolhido o modelo SVM. Técnicas de modelagem de tópicos foram aplicadas nos comentários classificados como reclamações, e foi selecionado o algoritmo GSDMM, tornando possível obter os principais problemas relatados pelos usuários. Os modelos selecionados foram implementados em um protótipo online que permite a inserção e análise de novos comentários.
Referências
Ohata, E. F., Mattos, C. L. C., Gomes, S. L., Rebouças, E. D. S., and Rego, P. A. L. (2022). A text classification methodology to assist a large technical support system. IEEE Access, 10:108413–108421.
Parmar, P. S., Biju, P. K., Shankar, M., and Kadiresan, N. (2018). Multiclass text classification and analytics for improving customer support response through different classifiers. In 2018 International Conference on Advances in Computing, Communications and Informatics (ICACCI), pages 538–542.
Qiang, J., Qian, Z., Li, Y., Yuan, Y., and Wu, X. (2022). Short text topic modeling techniques, applications, and performance: A survey. IEEE Transactions on Knowledge and; Data Engineering, 34(03):1427–1445.
Yin, J. and Wang, J. (2014). A dirichlet multinomial mixture model-based approach for short text clustering. In Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD ’14, page 233–242, New York, NY, USA. Association for Computing Machinery.
İLHAN OMURCA, S., EKİNCİ, E., YAKUPOĞLU, E., ARSLAN, E., and ÇAPAR, B. (2021). Automatic detection of the topics in customer complaints with artificial intelligence. Balkan Journal of Electrical and Computer Engineering, 9(3):268–277.
Parmar, P. S., Biju, P. K., Shankar, M., and Kadiresan, N. (2018). Multiclass text classification and analytics for improving customer support response through different classifiers. In 2018 International Conference on Advances in Computing, Communications and Informatics (ICACCI), pages 538–542.
Qiang, J., Qian, Z., Li, Y., Yuan, Y., and Wu, X. (2022). Short text topic modeling techniques, applications, and performance: A survey. IEEE Transactions on Knowledge and; Data Engineering, 34(03):1427–1445.
Yin, J. and Wang, J. (2014). A dirichlet multinomial mixture model-based approach for short text clustering. In Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, KDD ’14, page 233–242, New York, NY, USA. Association for Computing Machinery.
İLHAN OMURCA, S., EKİNCİ, E., YAKUPOĞLU, E., ARSLAN, E., and ÇAPAR, B. (2021). Automatic detection of the topics in customer complaints with artificial intelligence. Balkan Journal of Electrical and Computer Engineering, 9(3):268–277.
Publicado
10/04/2024
Como Citar
KUSE, Tobias de Abreu; RIBEIRO, Helena Graziottin.
Identificação e Categorização de Reclamações em Comentários sobre Empresas do Ramo de Apostas Esportivas. In: ESCOLA REGIONAL DE BANCO DE DADOS (ERBD), 19. , 2024, Farroupilha/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 154-157.
ISSN 2595-413X.
DOI: https://doi.org/10.5753/erbd.2024.238765.
