Big data: análise de sentimento em dados de pesquisa de opinião utilizando o Framework GridGain e processamento em memória

Abstract

Big Data apresenta-se como uma das principais tecnologias da atualidade. Métodos simples e eficientes para realizar big data análise são responsáveis por diversos avanços em análise comercial, dados médicos e comportamental. Este trabalho apresenta um método para realizar análise de sentimento em dados provenientes de pesquisa de opinião, utilizando o framework GridGain. O método é projetado para lidar com dados que possuem características big data, ou seja, permite a análise de grandes volumes de informações, por meio do uso de processamento paralelo e MapReduce. O algoritmo de MapReduce implementado pelo framework GridGain, é um algoritmo para processamento paralelo consolidado, pois permiti processamento de grandes volumes de informações de fontes variadas sobre uma estrutura de processamento existente em rede ou por meio de múltiplos nós de processamento em uma máquina. A análise dos dados por meio da metodologia, aponta uma nova maneira de extrair informação útil dos dados de pesquisa de opinião, sob uma ótica diferente das tradicionais análises matemáticas empregadas, permitindo abordar os dados sobre outra perspectiva de análise, a dos sentimentos expressos pelas respostas dos entrevistados.