Identificação de Problemas de uma Smart City a partir de posts em redes sociais utilizando algoritmos de machine learning

Proposta de estudo de caso na cidade de Balneário Camboriú

  • Leonardo Cavalheiro Croda IFC
  • Daniel Fernando Anderle IFC
  • Rodrigo Ramos Nogueira IFC

Resumo


Muitas vezes o poder público não leva em conta a opinião da população para tomar decisões que impactam diretamente na mesma, uma possível causa deste problema é que o mesmo não tem formas realmente eficientes de ouvir as demandas dos cidadãos, sendo assim esse trabalho propõe o desenvolvimento de uma aplicação que busca publicações da população local nas redes sociais e utiliza de técnicas de aprendizado de máquina para fazer a análise de sentimento do texto, bem como classificá-lo em um dos pilares das cidades inteligentes.

Palavras-chave: Cidades inteligentes, Mineração de Dados, Data Warehouse, Processamento de Linguagem Natural, Redes Sociais

Referências

M. Bouskela, M. Casseb, S. Bassi, C. De Luca, e M. Facchina, “Caminho para as smart cities: da gestão tradicional para a cidade inteligente”, Banco Interamericano de Desenvolvimento, 2016.

R. Giffinger e P.-M. Nataša, Smart cities: Ranking of European medium-sized cities. Centre of Regional Science, Vienna University of Technology, 2007.

A. P. Neiva, “Balneário Camboriú: os mil encantos da Dubai brasileira”, Diario de Pernambuco, 11-ago-2018. [Online]. Disponível em: https://www.diariodepernambuco.com.br/noticia/turismo/2018/08/balneario-camboriu-os-mil-encantos-da-dubaibrasileira.html. [Acessado: 10-jul-2019].

A. Lemos, “Cidades Inteligentes”, GV Executivo, vol. 12, n 2, p. 46–49, 2013.

M. Howlett, “A dialética da opinião pública: efeitos recíprocos da política pública e da opinião pública em sociedades democráticas contemporâneas”, Opinião Pública, vol. 6, no 2, p. 167–186, out. 2000.

M. Figueredo et al., “Using Social Network to Support Smart City Initiatives”, in Proceedings of the 21st Brazilian Symposium on Multimedia and the Web, New York, NY, USA, 2015, p. 101–104.

D. F. Anderle, “Modelo de Conhecimento para Representação Semântica de Smart Cities com foco nas Pessoas”, Universidade Federal de Santa Catarina, 2017.

J. V. Suter, “Um Data Warehouse baseado no Twitter para análise de sentimento em língua portuguesa: um estudo de caso das eleições de 2018”, Instituto Federal Catarinense, 2018.

T. E. Gerhardt e D. T. Silveira, Métodos de Pesquisa. PLAGEDER.

V. Freitas Junior, C. Woszezenki, D. F. Anderle, R. Speroni, e M. K. Nakayama, “A pesquisa científica e tecnológica”, Espacios, vol. 35, no 9, 2014.

A. C. Gil, “Como elaborar projetos de pesquisa”, São Paulo, vol. 5, p. 16–17, 2002.

R. Kimball, The Data Warehouse toolkit: practical techniques for building dimensional Data Warehouses. John Wiley & Sons, Inc., 1996.

R. R. Nogueira, . “Newsminer: um sistema de datawarehouse baseado em texto de notícias”, Universidade Federal de São Carlos, 2017.

R. Vieira e L. Lopes, “Processamento de Linguagem Natural e o tratamento computacional de linguagens científicas”, Em Corpora, p. 183, 2010.
Publicado
27/11/2019
CRODA, Leonardo Cavalheiro; ANDERLE, Daniel Fernando; NOGUEIRA, Rodrigo Ramos. Identificação de Problemas de uma Smart City a partir de posts em redes sociais utilizando algoritmos de machine learning. In: CONGRESSO LATINO-AMERICANO DE SOFTWARE LIVRE E TECNOLOGIAS ABERTAS (LATINOWARE), 16. , 2019, Foz do Iguaçu. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2019 . p. 172-174. DOI: https://doi.org/10.5753/latinoware.2019.10997.