| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Clima Temperado; Embrapa Unidades Centrais. |
|
Data corrente: |
17/05/2008 |
|
Data da última atualização: |
02/01/2019 |
|
Tipo da produção científica: |
Boletim de Pesquisa e Desenvolvimento |
|
Autoria: |
REIS, J. C. L. |
|
Título: |
Caracterização agronômica de paspalum em terras baixas do litoral sul do Rio Grande do Sul. |
|
Ano de publicação: |
2007 |
|
Fonte/Imprenta: |
Pelotas: Embrapa Clima Temperado, 2007. |
|
Páginas: |
20 p. |
|
Série: |
(Embrapa Clima Temperado. Boletim de pesquisa e desenvolvimento, 61). |
|
Idioma: |
Português |
|
Conteúdo: |
Durante oito anos, no Litoral Sul, RS, avaliou-se agronomicamente 19 acessos de Paspalum oriundos de terras baixas, objetivando indicar germoplasma com potencial para formar pastagens cultivadas. |
|
Palavras-Chave: |
Estação climatica; Estações climáticas; Estresse ambiental; Persistência; Produção de forragem; Stresse ambiental; Tolerância; Tolerância a estresses ambientais. |
|
Thesagro: |
Doença; Espécie Nativa; Pastagem; Planta Forrageira; Produção. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/30394/1/boletim-61.pdf
|
|
Marc: |
LEADER 01073nam a2200289 a 4500
001 1744827
005 2019-01-02
008 2007 bl uuuu u0uu1 u #d
100 1 $aREIS, J. C. L.
245 $aCaracterização agronômica de paspalum em terras baixas do litoral sul do Rio Grande do Sul.
260 $aPelotas: Embrapa Clima Temperado$c2007
300 $a20 p.
490 $a(Embrapa Clima Temperado. Boletim de pesquisa e desenvolvimento, 61).
520 $aDurante oito anos, no Litoral Sul, RS, avaliou-se agronomicamente 19 acessos de Paspalum oriundos de terras baixas, objetivando indicar germoplasma com potencial para formar pastagens cultivadas.
650 $aDoença
650 $aEspécie Nativa
650 $aPastagem
650 $aPlanta Forrageira
650 $aProdução
653 $aEstação climatica
653 $aEstações climáticas
653 $aEstresse ambiental
653 $aPersistência
653 $aProdução de forragem
653 $aStresse ambiental
653 $aTolerância
653 $aTolerância a estresses ambientais
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Clima Temperado (CPACT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Gado de Leite. Para informações adicionais entre em contato com cnpgl.biblioteca@embrapa.br. |
Registro Completo
|
Biblioteca(s): |
Embrapa Gado de Leite. |
|
Data corrente: |
23/04/2024 |
|
Data da última atualização: |
23/04/2024 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
NOGUEIRA, T. da S.; SIQUEIRA, K. B.; GOLIATT, P. V. Z. C. |
|
Afiliação: |
THALLYS DA SILVA NOGUEIRA, UNIVERSIDADE FEDERAL DE JUIZ DE FORA; KENNYA BEATRIZ SIQUEIRA, CNPGL; PRISCILA VANESSA ZABALA CAPRILES GOLIATT, UNIVERSIDADE FEDERAL DE JUIZ DE FORA. |
|
Título: |
Construction of a training dataset for a sentiment analysis model of dairy products tweets in Brazil. |
|
Ano de publicação: |
2024 |
|
Fonte/Imprenta: |
Social Network Analysis and Mining, v. 14, 85, 2024. |
|
DOI: |
https://doi.org/10.1007/s13278-024-01254-5 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Creating specific datasets for machine learning models is a frequent and challenging task, requiring considerable effort in sample collection and maintaining a balanced representation of each class. In this study, our objective was to create a training dataset for a sentiment analysis model by combining results obtained from 5 natural language processing tools through 3 distinct approaches, aiming to automatically label various tweets in the negative, neutral, and positive classes. Additionally, we applied data balancing techniques to assess different methods' impacts on the sentiment analysis models' ability to generalize classes to previously unseen samples. The results demonstrated that the three approaches used to combine tool results and apply balancing techniques provided significantly superior outcomes compared to models with imbalanced datasets. These advancements enabled sentiment analysis models to achieve greater precision and generalization capacity for novel samples. These findings underscore the importance of considering effective data balancing strategies when creating training datasets for machine learning applications, especially in tasks sensitive to class imbalance, such as sentiment analysis. This enhanced approach is crucial to improving the performance and applicability of sentiment analysis models in real-world scenarios, providing more precise data analyses that unveil valuable insights in digital marketing. |
|
Palavras-Chave: |
Artifcial intelligence; Business intelligence; Digital marketing; Inteligência artificial; Market digital; Market research; Sentiment analysis. |
|
Thesagro: |
Laticínio; Pesquisa de Mercado; Produto Derivado do Leite. |
|
Categoria do assunto: |
L Ciência Animal e Produtos de Origem Animal |
|
Marc: |
LEADER 02348naa a2200277 a 4500
001 2163827
005 2024-04-23
008 2024 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.1007/s13278-024-01254-5$2DOI
100 1 $aNOGUEIRA, T. da S.
245 $aConstruction of a training dataset for a sentiment analysis model of dairy products tweets in Brazil.$h[electronic resource]
260 $c2024
520 $aCreating specific datasets for machine learning models is a frequent and challenging task, requiring considerable effort in sample collection and maintaining a balanced representation of each class. In this study, our objective was to create a training dataset for a sentiment analysis model by combining results obtained from 5 natural language processing tools through 3 distinct approaches, aiming to automatically label various tweets in the negative, neutral, and positive classes. Additionally, we applied data balancing techniques to assess different methods' impacts on the sentiment analysis models' ability to generalize classes to previously unseen samples. The results demonstrated that the three approaches used to combine tool results and apply balancing techniques provided significantly superior outcomes compared to models with imbalanced datasets. These advancements enabled sentiment analysis models to achieve greater precision and generalization capacity for novel samples. These findings underscore the importance of considering effective data balancing strategies when creating training datasets for machine learning applications, especially in tasks sensitive to class imbalance, such as sentiment analysis. This enhanced approach is crucial to improving the performance and applicability of sentiment analysis models in real-world scenarios, providing more precise data analyses that unveil valuable insights in digital marketing.
650 $aLaticínio
650 $aPesquisa de Mercado
650 $aProduto Derivado do Leite
653 $aArtifcial intelligence
653 $aBusiness intelligence
653 $aDigital marketing
653 $aInteligência artificial
653 $aMarket digital
653 $aMarket research
653 $aSentiment analysis
700 1 $aSIQUEIRA, K. B.
700 1 $aGOLIATT, P. V. Z. C.
773 $tSocial Network Analysis and Mining$gv. 14, 85, 2024.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Gado de Leite (CNPGL) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
