SciELO - Scientific Electronic Library Online

 
vol.27 número4A reliability engineering case study of sugarcane harvestersPerformance of supermarkets in Santa Catarina: an analysis of small and medium-sized units índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

Compartir


Gestão & Produção

versión impresa ISSN 0104-530Xversión On-line ISSN 1806-9649

Resumen

SANTOS, Andrey Schmidt dos; CAMARGO, Luis Felipe Riehs  y  LACERDA, Daniel Pacheco. Avaliação de técnicas de classificação para identificação de comentários falsos sobre produtos e serviços na internet. Gest. Prod. [online]. 2020, vol.27, n.4, e4672.  Epub 27-Jul-2020. ISSN 1806-9649.  https://doi.org/10.1590/0104-530x4672-20.

Com a ascensão do comércio eletrônico, mais pessoas estão comprando produtos na internet. Para aumentar a satisfação, os comerciantes estão disponibilizando espaços para clientes comentarem sobre seus produtos e serviços. Produtos com comentários positivos atraem clientes, enquanto produtos com comentários negativos afastam clientes. Seguindo esta ideia, algumas pessoas e organizações estão escrevendo comentários falsos, a fim de promover ou de denegrir a imagem de um produto ou serviço. A dificuldade em encontrar estes comentários está na grande quantidade de informação disponível. Uma solução é o uso de técnicas e ferramentas da mineração de dados, em especial a classificação. Explorando esta situação, o objetivo deste trabalho é avaliar técnicas de classificação para identificar comentários falsos sobre produtos e serviços na internet. O trabalho também apresenta uma revisão de literatura sobre comentários falsos. A pesquisa utilizou oito algoritmos. Os algoritmos foram treinados e testados com uma base de dados de hotéis. O algoritmo CONCENSO apresentou o melhor resultado, com uma precisão de 88%. Após o primeiro teste, os algoritmos treinados classificaram comentários em outra base de dados de hotéis. Para comparar os resultados desta nova classificação, o algoritmo do Review Skeptic foi utilizado. Os algoritmos SVM e GLMNET apresentaram as melhores convergências com o algoritmo do Review Skeptic, classificando 83% dos comentários com o mesmo resultado. A pesquisa contribuiu ao demonstrar a habilidade dos algoritmos em entender a veracidade dos comentários sobre produtos e serviços na internet. Outra contribuição é ser o pioneiro na investigação de comentários falsos no Brasil e na engenharia de produção.

Palabras clave : Comentários falsos; Classificação de texto; Descoberta de conhecimento em base de dados; Mineração de texto.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )