Gabriela Maria Cabel BarbaranADRIANO VIANAGUSTAVO ARAÚJOIGOR SANTOS SOUZA2024-08-152024-08-152020-06-17https://repositorio.fei.edu.br/handle/FEI/5479Considerando os níveis de pobreza ainda existentes no Brasil e no mundo, percebe-se que a atuação do Estado ainda não é suficiente para suprir todas as necessidades da população. Como forma de trazer novos aliados para o combate à pobreza, pode-se incentivar empresas a exercerem a responsabilidade social. Entretanto, muitas empresas ainda não estão convencidas de que isso também pode trazer retornos lucrativos à mesma. Neste projeto, o objetivo é realizar uma comparação entre diversos modelos e parâmetros de redes neurais usadas para realizar a categorização de textos. Para realizar este objetivo, foi utilizada uma base de dados com artigos de texto retirados do Wikipedia, chamada DBpedia. Estes dados foram tratados com técnicas de pré-processamento de texto e convertidos a vetores tf-idf, que tiveram sua dimensionalidade reduzida pelo algoritmo Singular Value Decomposition. Após esta etapa, foi realizado o treinamento e otimização de parâmetros da rede neural, e em seguida os modelos foram testados na base de testes. Espera-se que os resultados deste estudo contribuam para o aprimoramento de sistemas de categorização de textos aplicados à identificação de tópicos relacionados à responsabilidade socialConsidering the existing levels of poverty in Brazil and around the world, it is clear that the State’s action is not yet sufficient to supply all the needs of the population. As a way of bringing new allies to fight against poverty, companies can be encouraged to exercise social responsibility. However, many companies are still not convinced that this can also bring profi- table returns to them. In this project, the objective is to make a comparison between different neural networks text categorization models and parameters. To achieve this goal, a wikipedia text database was used. This data was treated with text pre-processing techniques and converted to tf-idf vectors, which had their dimensionality reduced by the Singular Value Decomposition algorithm. After this stage, training and optimization of neural network parameters were carried out, and the models were tested on the test base. It is expected that the results of this study con- tribute to the improvement of text categorization systems applied to the identification of topics related to social responsibility.44pt-BRRestritoResponsabilidade SocialReconhecimento de linguagemMachine LearningAlgoritmos de ClassificaçãoRedes neuraisTrabalho de Conclusão de Curso