PT
Esta tese tem como principal objetivo identificar os tópicos acerca dos quais os portugueses
falaram na rede social Twitter, durante os primeiros 6 meses de 2021, em cada região do
país. Como fonte de dados, foi-nos possível obter, através da API do Twitter, uma base de dados
de cerca de 1 milhão de tweets, escritos ao longo deste período, em todo o país. Tendo
os dados disponíveis, foi nos possível, através da criação de um dicionário de palavras,
atribuir a cada localidade do país mencionada na base de dados, uma região de NUTS
nível 2, de forma a atribuirmos a cada Tweet apenas uma região por entre 5 regiões: Alentejo,
Algarve, Centro, Lisboa ou Região Norte. De seguida, fomos analisar os modelos de
modelagem de tópicos mais utilizados no momento atual e, em particular, quais os que
têm demonstrado melhor performance quando aplicados a textos curtos, como acontece
quando falamos de tweets. Após esta análise bibliográfica, optámos por aplicar à nossa
base de dados, e avaliar a performace, dos modelos LDA- Latent Dirichlet Allocation e MM
- Multinomial Mixture Model. Através da medição da coherência em ambos os modelos,
conseguimos resultados mais satisfatórios na aplicação do modelo MM, selecionando então
este modelo para aplicar à nossa base de dados. Com os tópicos já definidos e atribuídos a
cada tweet, foi realizada uma análise por região e diária, dos tópicos mais referidos pelos
portugueses. Conseguimos concluir que os temas mais falados em Portugal, considerando
a amostra recolhida na rede social Twitter, são: a política, a religião e a fé, os jogadores
de futebol e a comida e a cozinha. Por fim, fizémos então a análise de tópicos por região e
por dia, por entre as nossas conclusões, concluímos que o tópico da comida e da cozinha
se destacam no Algarve e no Norte, e que o tópico das eleições ganha predominância, no
geral do país, entre o final do mês de Janeiro e meados do mês de Fevereiro.
EN
The main objective of this thesis is to identify the topics that the Portuguese spoke about on
the social network Twitter, during the first 6 months of 2021, in each region of the country.
As a data source, we were able to obtain, through the Twitter API, a database of around 1
million tweets, written throughout this period, across the country. Having the data available,
it was possible, through the creation of a dictionary of words, to assign to each locality
of the country mentioned in the database, a region of NUTS level 2, in order to attribute to
each Tweet only one region among 5 regions: Alentejo, Algarve, Centre, Lisbon or North
Region. Next, we analyzed the most used topic modeling models at the moment and, in particular,
which ones have shown better performance when applied to short texts. After this
bibliographic analysis, we chose to apply to our database, and evaluate the performance,
of the LDA- Latent Dirichlet Allocation and MM - Multinomial Mixture Model models. By
measuring the coherence in both models, we achieved more satisfactory results in the application
of the MM model, selecting this model to apply to our database. With the topics
already defined and assigned to each tweet, an analysis was carried out by region and time
period, of the topics most mentioned by the Portuguese. We were able to conclude that the
most talked about topics in Portugal, considering the sample collected on the social network
Twitter, are: politics, religion and faith, football players and food and cuisine. Finally,
we then analyzed topics by region and by day, among our conclusions, was that the topic of
food and cuisine stands out in the Algarve and in the North, and that the topic of elections
gains predominance, in general in the country, between the end of January and the middle
of February.
