Resumo

Este trabalho tem como objetivo demonstrar maneiras de descobrir, usando técnicas de mineração de texto, temas relevantes dentro de conjuntos de textos não estruturados. Foram consideradas as entrevistas de quatro atletas olímpicos nascidos na cidade de São Carlos. Essas entrevistas foram realizadas pelo Grupo de Estudos Olímpicos da Universidade de São Paulo (USP). Como ferramenta, utilizou-se as técnicas “WordCloud” e clusterização (agrupamento).

Referências

1 Rubio K. Atletas Olímpicos Brasileiros. São Paulo. Editora Sesi; 2015.

2 Schwartz FP. Análise do discurso parlamentar por meio da técnica do processamento de linguagem natural: abordagem estatística e aprendizagem de máquina [relatório de pesquisa de estágio pós-doutoral]. Brasília: Universidade de Brasília, Departamento de Engenharia Elétrica; 2018.

3 Cruz FM, Bonfante AG. TideneTextVis: um módulo Python de visualização de textos baseado nas técnicas de tag clouds. Anais Escola Regional de Informática da Sociedade Brasileira de Computação (SBC) – Regional de Mato Grosso; 2016 [citado 03 dez. 2018]. Disponível em: http://anaiserimt.ic.ufmt.br/index.php/erimt/article/view/72/94.

4 Beltrame WAR, Fonseca FCS.  Aplicações práticas dos algoritmos de clusterização K-means e Bisecting K-means. 2010 [citado 03 dez. 2018]. Disponível em: https://www.researchgate.net/profile/Walber_Beltrame/publication/327121358_Aplicacoes_Praticas_dos_Algoritmos_de_Clusterizacao_K-means_e_Bisecting_K-means/links/5b7b53a6299bf1d5a718d785/Aplicacoes-Praticas-dos-Algoritmos-de-Clusterizacao-K-means-e-Bisecting-K-means.pdf.

5 Gonçalves GCM. O significado da dor em atletas da ginástica rítmica [dissertação]. São Paulo: Universidade de São Paulo, Escola de Educação Física e Esporte; 2017.

Acessar