Array
(
[0] => stdClass Object
(
[journal] => stdClass Object
(
[id_jnl] => 75
)
)
[1] => stdClass Object
(
[section] => stdClass Object
(
[section] => 1540
)
)
[2] => stdClass Object
(
[title] => Array
(
[0] => ANÁLISE COMPARATIVA DE SENTIMENTO PARA DETECÇÃO AUTOMÁTICA DE DISCURSO DE ÓDIO UTILIZANDO O ALGORITMO LEIA-VADER@nn
)
)
[3] => stdClass Object
(
[abstract] => Array
(
[0] => Humanidades Digitais e Ciência da Informação convergem na recente realidade tecnológica e digital. Discurso de ódio insere-se como vulnerabilidade nas plataformas digitais. No âmbito da Análise de Sentimentos, verificou-se o desempenho do algoritmo LeIA em relação aos discursos da base OFFCOMBR2 comparando a medida F do LeIA com análises similares. Trata-se de pesquisa descritiva aplicada que executa o LeIA na base OFFCOMBR2. Verificou-se baixo desempenho do LeIA na comparação efetuada. Sugere-se ampliação do léxico e revisão das etapas de pré-processamento. Como contribuição a Ciência da Informação, destaca-se a importância da prevenção de abusos da liberdade de expressão em plataformas digitais.@pt
)
)
[4] => stdClass Object
(
[author] => Array
(
[0] => Guilherme Luiz Cintra Neves
[1] => Rodrigo Eduardo Botelho-Francisco
[2] => Luciano Heitor Gallegos Marin
[3] => Denise Fukumi Tsunoda
)
)
[5] => stdClass Object
(
[subject] => Array
(
[0] => Redes sociais digitais@pt
[1] => Plataformas digitais@pt
[2] => Discurso de ódio@pt
[3] => Análise de sentimentos@pt
[4] => Processamento de linguagem natural@pt
)
)
[6] => stdClass Object
(
[source] => stdClass Object
(
[vol] =>
[nr] => nacional
[year] =>
[theme] =>
)
)
[7] => stdClass Object
(
[datePub] => Array
(
[0] => 2022-08-28 14:37:09
)
)
[8] => stdClass Object
(
[DOI] => Array
(
)
)
[9] => stdClass Object
(
[http] => Array
(
[0] => stdClass Object
(
[type] => HTTP
[value] => Array
(
[0] => https://ancib.org/enancib/index.php/enancib/xxiienancib/paper/view/718
)
)
)
)
[10] => stdClass Object
(
[language] => Array
(
[0] => pt
)
)
[11] => stdClass Object
(
[license] => Array
(
[0] => Autores que submetem a esta conferência concordam com os seguintes termos:
a) Autores mantém os direitos autorais sobre o trabalho, permitindo à conferência colocá-lo sob uma licença Licença Creative Commons Attribution, que permite livremente a outros acessar, usar e compartilhar o trabalho com o crédito de autoria e apresentação inicial nesta conferência.
b) Autores podem abrir mão dos termos da licença CC e definir contratos adicionais para a distribuição não-exclusiva e subseqüente publicação deste trabalho (ex.: publicar uma versão atualizada em um periódico, disponibilizar em repositório institucional, ou publicá-lo em livro), com o crédito de autoria e apresentação inicial nesta conferência.
c) Além disso, autores são incentivados a publicar e compartilhar seus trabalhos online (ex.: em repositório institucional ou em sua página pessoal) a qualquer momento antes e depois da conferência.
)
)
)