Inteligência Artificial e Linguagem Natural em Ambientes Digitais: Uma Síntese Sistemática da Literatura
Resumo
Este artigo apresenta uma síntese sistemática da literatura sobre a aplicação de técnicas de Inteligência Artificial (IA) e Aprendizado de Máquina (AM) em ambientes digitais, com foco em redes sociais. São explorados algoritmos supervisionados e não supervisionados, como Naive Bayes, K-Nearest Neighbors (KNN), K-Means, BERT com multicritérios e PINNs, além do uso da entropia na redução da incerteza informacional. Os estudos analisados demonstram que a escolha e combinação adequada dos modelos permitem interpretações mais precisas, explicáveis e escaláveis, promovendo avanços significativos na análise de linguagem natural, comportamento digital e segurança da informação.
Palavras-chave:
Inteligência Artificial, Aprendizado de Máquina, PLN, Redes Sociais, Entropia
Referências
S. J. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, 3rd ed. Prentice Hall, 2010, acesso em 20 junho 2025. [Online]. Available: [link]
C. M. Bishop, Pattern Recognition and Machine Learning. Springer, 2006, acesso em 20 junho 2025. [Online]. Available: [link]
R. Zafarani, M. A. Abbasi, and H. Liu, Social Media Mining: An Introduction. Cambridge University Press, 2014, acesso em 20 junho 2025. [Online]. Available: [link]
B. Liu, Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers, 2012, acesso em 20 junho 2025. [Online]. Available: [link]
C. C. Aggarwal and C. Zhai, Mining Text Data. Springer, 2012, acesso em 20 junho 2025. [Online]. Available: [link]
J. Devlin, M.-W. Chang, K. Lee, and K. Toutanova, “Bert: Pre-training of deep bidirectional transformers for language understanding,” in Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, vol. 1, 2019, pp. 4171–4186, acesso em 20 junho 2025. [Online]. Available: [link]
M. Raissi, P. Perdikaris, and G. E. Karniadakis, “Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations,” Journal of Computational Physics, vol. 378, pp. 686–707, 2019, acesso em 20 junho 2025. [Online]. Available: [link]
L. Kong, R. Z. Shi, and M. Wang, “A physics-informed neural network model for social media user growth,” AIMS Press, 2024, acesso em 25 maio 2025. [Online]. Available: [link]
M. Okawa and T. Iwata, “Predicting opinion dynamics via sociologically-informed neural networks,” arXiv, 2022, acesso em 25 maio 2025. [Online]. Available: [link]
S. Ghosh, A. Ogueda-Oliva, A. Ghosh, M. Banerjee, and P. Seshaiyer, “Understanding the implications of under-reporting, vaccine efficiency and social behavior on the post-pandemic spread using physics informed neural networks: A case study of china,” PLOS ONE, vol. 18, no. 8, 2023, acesso em 25 maio 2025. [Online]. Available: [link]
K. Zakharov, A. Kovantsev, and A. Boukhanovsky, “Coupling of lagrangian mechanics and physics-informed neural networks for the identification of migration dynamics,” ResearchGate, 2025, acesso em 25 maio 2025. [Online]. Available: [link]
Y. Qi and Z. Shabrina, “Sentiment analysis using twitter data: A comparative application of lexicon- and machine-learning-based approach,” Social Network Analysis and Mining, vol. 13, no. 1, 2023, acesso em 14 maio 2025. [Online]. DOI: 10.1007/s13278-023-01030-x
R. Hakiki, A. Pambudi, and S. Asriyanik, “Classification of public sentiment toward 2024 presidential candidates on social media platform x using na¨ıve bayes algorithm,” Journal of Artificial Intelligence and Engineering Applications (JAIEA), vol. 3, no. 2, pp. 551–556, fev. 2024, acesso em 14 junho 2025. [Online]. DOI: 10.59934/jaiea.v3i2.422
R. K. Halder et al., “Enhancing k-nearest neighbor algorithm: a comprehensive review and performance analysis of modifications,” Journal of Big Data, vol. 11, p. 113, 2024, acesso em 14 maio 2025. [Online]. DOI: 10.1186/s40537-024-00973-y
J. Hazard et al., “Natively interpretable machine learning and artificial intelligence: preliminary results and future directions,” 2019, acesso em 14 maio 2025. [Online]. Available: [link]
M. B. Cordeiro and W. M. N. Zola, “Knn paralelo em gpu para grandes volumes de dados com agregação de consultas,” in Anais do 24º Simpósio em Sistemas Computacionais de Alto Desempenho (WSCAD), 2023, pp. 253–264.
K. Arora, A. Raj, A. Goel, and S. Susan, “A hybrid model for combining neural image caption and k-nearest neighbor approach for image captioning,” in Soft Computing and Signal Processing, ser. Advances in Intelligent Systems and Computing. Springer, 2022, vol. 1340, pp. 51–59.
A. M. Lourenço and A. E. Reis, “Aplicação da decisão multicritério ao problema de corte de estoque unidimensional,” Tendências em Matemática Aplicada e Computacional, vol. 24, no. 1, pp. 117–135, 2023, acesso em 14 maio 2025. [Online]. Available: [link]
A. M. Fernandes, “Desenvolvimento da plataforma maut-i e implementação do aplicativo para cálculo da qualidade de uso de mídias interativas na primeira infância,” Master’s thesis, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2021, acesso em 14 maio 2025. [Online]. Available: [link]
J. Pimentel-Filho et al., “Modelagem de tópicos em documentos jurídicos via legal-bert,” 2023, acesso em 14 maio 2025. [Online]. Available: [link]
C. M. T. Nascimento et al., “Classificação interpretável e eficiente de decisões judiciais sobre habitação utilizando aprendizado baseado em subespaço e distância chordal adaptativa,” in Conferência Internacional Conjunta sobre Redes Neurais (IJCNN), Glasgow, 2020, pp. 1–8, acesso em 14 maio 2025. [Online]. Available: [link]
S. Medhi and P. Tiwary, “Thermodynamics-inspired explanations of artificial intelligence,” 2024, acesso em 14 maio 2025. [Online]. Available: [link]
M. D. Kamalesh and B. Bharathi, “Personality prediction model for social media using machine learning technique,” Computers and Electrical Engineering, vol. 100, p. 107852, 2022, acesso em 14 maio 2025. [Online]. Available: [link]
G. Joshi et al., “Explainable misinformation detection across multiple social media platforms,” IEEE Access, vol. 11, pp. 23 634–23 646, 2023, acesso em 14 maio 2025.
Analytics Vidhya, “Entropy – a key concept for all data science beginners,” 2020, acesso em 14 maio 2025. [Online]. Available: [link]
S. A. Jesus Filho, “Análise de posts maliciosos na dark web utilizando aprendizado de máquina não supervisionado,” 2023, acesso em 14 maio 2025. [Online]. Available: [link]
A. C. M. E. S. J. R. P. Lopes, “Otimização de aplicações de processamento de linguagem natural para análise de sentimentos,” Master’s thesis, Universidade Estadual Paulista, Instituto de Biociências, Letras e Ciências Exatas, São José do Rio Preto, 2021, acesso em 14 maio 2025. [Online]. Available: [link]
D. Moher, A. Liberati, J. Tetzlaff, D. G. Altman, and T. P. Group, “Preferred reporting items for systematic reviews and meta-analyses: The prisma statement,” PLoS Medicine, vol. 6, no. 7, p. e1000097, 2009. [Online]. DOI: 10.1371/journal.pmed.1000097
C. M. Bishop, Pattern Recognition and Machine Learning. Springer, 2006, acesso em 20 junho 2025. [Online]. Available: [link]
R. Zafarani, M. A. Abbasi, and H. Liu, Social Media Mining: An Introduction. Cambridge University Press, 2014, acesso em 20 junho 2025. [Online]. Available: [link]
B. Liu, Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers, 2012, acesso em 20 junho 2025. [Online]. Available: [link]
C. C. Aggarwal and C. Zhai, Mining Text Data. Springer, 2012, acesso em 20 junho 2025. [Online]. Available: [link]
J. Devlin, M.-W. Chang, K. Lee, and K. Toutanova, “Bert: Pre-training of deep bidirectional transformers for language understanding,” in Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, vol. 1, 2019, pp. 4171–4186, acesso em 20 junho 2025. [Online]. Available: [link]
M. Raissi, P. Perdikaris, and G. E. Karniadakis, “Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations,” Journal of Computational Physics, vol. 378, pp. 686–707, 2019, acesso em 20 junho 2025. [Online]. Available: [link]
L. Kong, R. Z. Shi, and M. Wang, “A physics-informed neural network model for social media user growth,” AIMS Press, 2024, acesso em 25 maio 2025. [Online]. Available: [link]
M. Okawa and T. Iwata, “Predicting opinion dynamics via sociologically-informed neural networks,” arXiv, 2022, acesso em 25 maio 2025. [Online]. Available: [link]
S. Ghosh, A. Ogueda-Oliva, A. Ghosh, M. Banerjee, and P. Seshaiyer, “Understanding the implications of under-reporting, vaccine efficiency and social behavior on the post-pandemic spread using physics informed neural networks: A case study of china,” PLOS ONE, vol. 18, no. 8, 2023, acesso em 25 maio 2025. [Online]. Available: [link]
K. Zakharov, A. Kovantsev, and A. Boukhanovsky, “Coupling of lagrangian mechanics and physics-informed neural networks for the identification of migration dynamics,” ResearchGate, 2025, acesso em 25 maio 2025. [Online]. Available: [link]
Y. Qi and Z. Shabrina, “Sentiment analysis using twitter data: A comparative application of lexicon- and machine-learning-based approach,” Social Network Analysis and Mining, vol. 13, no. 1, 2023, acesso em 14 maio 2025. [Online]. DOI: 10.1007/s13278-023-01030-x
R. Hakiki, A. Pambudi, and S. Asriyanik, “Classification of public sentiment toward 2024 presidential candidates on social media platform x using na¨ıve bayes algorithm,” Journal of Artificial Intelligence and Engineering Applications (JAIEA), vol. 3, no. 2, pp. 551–556, fev. 2024, acesso em 14 junho 2025. [Online]. DOI: 10.59934/jaiea.v3i2.422
R. K. Halder et al., “Enhancing k-nearest neighbor algorithm: a comprehensive review and performance analysis of modifications,” Journal of Big Data, vol. 11, p. 113, 2024, acesso em 14 maio 2025. [Online]. DOI: 10.1186/s40537-024-00973-y
J. Hazard et al., “Natively interpretable machine learning and artificial intelligence: preliminary results and future directions,” 2019, acesso em 14 maio 2025. [Online]. Available: [link]
M. B. Cordeiro and W. M. N. Zola, “Knn paralelo em gpu para grandes volumes de dados com agregação de consultas,” in Anais do 24º Simpósio em Sistemas Computacionais de Alto Desempenho (WSCAD), 2023, pp. 253–264.
K. Arora, A. Raj, A. Goel, and S. Susan, “A hybrid model for combining neural image caption and k-nearest neighbor approach for image captioning,” in Soft Computing and Signal Processing, ser. Advances in Intelligent Systems and Computing. Springer, 2022, vol. 1340, pp. 51–59.
A. M. Lourenço and A. E. Reis, “Aplicação da decisão multicritério ao problema de corte de estoque unidimensional,” Tendências em Matemática Aplicada e Computacional, vol. 24, no. 1, pp. 117–135, 2023, acesso em 14 maio 2025. [Online]. Available: [link]
A. M. Fernandes, “Desenvolvimento da plataforma maut-i e implementação do aplicativo para cálculo da qualidade de uso de mídias interativas na primeira infância,” Master’s thesis, Universidade Federal dos Vales do Jequitinhonha e Mucuri, Diamantina, 2021, acesso em 14 maio 2025. [Online]. Available: [link]
J. Pimentel-Filho et al., “Modelagem de tópicos em documentos jurídicos via legal-bert,” 2023, acesso em 14 maio 2025. [Online]. Available: [link]
C. M. T. Nascimento et al., “Classificação interpretável e eficiente de decisões judiciais sobre habitação utilizando aprendizado baseado em subespaço e distância chordal adaptativa,” in Conferência Internacional Conjunta sobre Redes Neurais (IJCNN), Glasgow, 2020, pp. 1–8, acesso em 14 maio 2025. [Online]. Available: [link]
S. Medhi and P. Tiwary, “Thermodynamics-inspired explanations of artificial intelligence,” 2024, acesso em 14 maio 2025. [Online]. Available: [link]
M. D. Kamalesh and B. Bharathi, “Personality prediction model for social media using machine learning technique,” Computers and Electrical Engineering, vol. 100, p. 107852, 2022, acesso em 14 maio 2025. [Online]. Available: [link]
G. Joshi et al., “Explainable misinformation detection across multiple social media platforms,” IEEE Access, vol. 11, pp. 23 634–23 646, 2023, acesso em 14 maio 2025.
Analytics Vidhya, “Entropy – a key concept for all data science beginners,” 2020, acesso em 14 maio 2025. [Online]. Available: [link]
S. A. Jesus Filho, “Análise de posts maliciosos na dark web utilizando aprendizado de máquina não supervisionado,” 2023, acesso em 14 maio 2025. [Online]. Available: [link]
A. C. M. E. S. J. R. P. Lopes, “Otimização de aplicações de processamento de linguagem natural para análise de sentimentos,” Master’s thesis, Universidade Estadual Paulista, Instituto de Biociências, Letras e Ciências Exatas, São José do Rio Preto, 2021, acesso em 14 maio 2025. [Online]. Available: [link]
D. Moher, A. Liberati, J. Tetzlaff, D. G. Altman, and T. P. Group, “Preferred reporting items for systematic reviews and meta-analyses: The prisma statement,” PLoS Medicine, vol. 6, no. 7, p. e1000097, 2009. [Online]. DOI: 10.1371/journal.pmed.1000097
Publicado
22/10/2025
Como Citar
SORBAR, Fabiane; TAIT, Anabelle; GUEDES, Jorge Luiz Fanas; BENTO, Alan Vitor; BOGONI, Mayumi Hirata; ZILS, Murilo Henrique; LEUCHS, Pedro Henrique dos Santos.
Inteligência Artificial e Linguagem Natural em Ambientes Digitais: Uma Síntese Sistemática da Literatura. In: CONGRESSO LATINO-AMERICANO DE SOFTWARE LIVRE E TECNOLOGIAS ABERTAS (LATINOWARE), 22. , 2025, Foz do Iguaçu/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 135-142.
DOI: https://doi.org/10.5753/latinoware.2025.15234.
