Análise de Conteúdo - Copa no Catar

O projeto desse repositório é um algoritmo para extrair e aplicar análise de conteúdo (polaridade) em tweets da cobertur jornalística da copa no Catar, nos veículos Globo Esporte, Lance, Uol Esportes e ESPM. Nesse projeto, foi utilizado pela equipe os algortimos de aprendizado de máquina supervisionado NaiveBayesClassifier, MaxentClassifier e SklearnClassifier.

Como começar?

1. Abrindo o notebook Trabalho_Mineração.ipynb para executar a extração dos tweets (sem necessidade de conta de desenvolvedor do Twitter);
2. Executar os códigos de tratamento e amostragem dos tweets de treino (caso queira replicar o resultado, insira os arquivos de treino .data dispostos de coleta na pasta data;
3. Executar os códigos dos algoritmos de aprendizagem de máquina (para replicar, insira os arquivos da coleta de cada veículo)

Sobre a coleta:

As coletas foram realizadas pela biblioteca Twint com as queries: "Catar", "Qatar" e "Copa", gerando 3 arquivos por veículo.

Sobre os arquivos:

[palavra-chave]_[veículo].csv:

Arquivos com tweets extraindos através do twint, para cada palavra-chave utilizada para cada veículo;

treino_[sentimento].csv:

Arquivos de treino .data para treinar os algoritmos de machine learning, para cada sentimento analisado: positivo, negativo e neutro.

mineração_arquivo_classificado.csv:

Arquivo com os tweets já classificados com cada algoritmo de classificação automática.

Equipe

Ananda Ridart, Gabriel Ronan, Géssica Brandino e Vitor Arthur

Finalidade do projeto

Trabalho realizado como projeto final da disciplina Mineração de Dados Não Estruturados, do Master em Jornalismo de Dados, Automação e Data Storytelling do Insper.