Classificação textual por assuntos em aplicativo provedor de notícias coletadas de rede social direcionado à plataforma móvel

Abstract

Classificação de textos é uma área responsável por agrupar textos em categorias. Ela aborda soluções sobre como impor algum tipo de organização em um conjunto de textos através de rótulos, os quais servem de categorias. Um aplicativo móvel que colete notícias e possibilite a seu usuário consumi-las pode conter um mecanismo de agrupamento delas por assunto de modo que melhore sua experiência de uso. O desafio é ainda maior quando a fonte dessas notícias é o Twitter, uma rede social que permite somente a publicação de textos curtos. O objetivo deste trabalho é criar um módulo de classificação textual que realize a categorização das notícias coletadas por um aplicativo móvel, acoplar o módulo a esse aplicativo e prover uma melhor experiência de uso aos usuários do aplicativo uma vez que as notícias estarão rotuladas por assunto. O enfoque para a construção desse módulo é escolher a melhor configuração que maximize a quantidade de acertos na categorização de notícias com textos curtos.

Text classification is responsible for grouping texts into categories. It covers solutions designed to impose some kind of organization in textual sets by the use of labels, which serve as categories. A mobile application that collects news and enables users to consume them must contain a classification mechanism able to automatically organize them by subjects in order to improve the user experience. The challenge is even greater when the news source is Twitter, a social network that only allows the publication of short texts. The objective of this work is to create a text classification module that performs the categorization of news collected by a mobile application, attach the module to this application and provide a better user experience, since the news will be labeled by subject. The approach to the construction of this module is to choose the best configuration that maximizes the amount of correct categorization of news with short texts.