ESTG - Mestrado em Ciência de Dados
URI permanente para esta coleção:
Navegar
Percorrer ESTG - Mestrado em Ciência de Dados por orientador "Craveiro, Olga Marina Freitas"
A mostrar 1 - 3 de 3
Resultados por página
Opções de ordenação
- ANALYSIS OF THE REAL IMPACT OF SOCIAL MEDIA AND ONLINE REPUTATION TO IMPROVE MARKETING STRATEGIES IN A HOTEL CHAINPublication . Berrazueta, Juan Andres Coba; Craveiro, Olga Marina Freitas; Sousa, Márcia Cristina Santos ViegasThe main objective of this research is to design and implement a comprehensive framework that integrates text mining, sentiment analysis, and Business Intelligence (BI) for the analysis of hotel reviews. The study aims to provide hotel managers with a systematic and automated tool capable of transforming unstructured textual data into actionable insights that improve customer satisfaction, enhance online reputation, and support data-driven marketing and operational strategies. This thesis investigates the integration of sentiment analysis, text mining, and BI frameworks as a strategic tool for online reputation management in the hospitality industry. The study combines a systematic literature review, conducted under the PRISMA guidelines, with an empirical project developed according to the CRISP-DM process model. The dataset used comprises all the positive and negative reviews from multiple sources—including Google Reviews, Booking.com, Tripadvisor, and physical surveys—covering five hotels in Portugal during 2023 and 2024. The methodology involved a pipeline of data preparation, including cleaning, deduplication, translation into European Portuguese, normalization, stemming, and lemmatization. Supervised machine learning models, particularly Logistic Regression and Naive Bayes, were implemented and optimized through techniques such as SMOTE and threshold adjustment, demonstrating high accuracy and strong recall for negative comments. Additionally, topic modeling (LDA and NMF) and semantic categorization were applied to extract latent themes and classify reviews into business-relevant categories. Results were operationalized through interactive dashboards in Power BI, which enabled the visualization of satisfaction levels, temporal trends, word frequencies, and category distributions across hotels. These dashboards provided to hotel managers with actionable insights to detect strengths, weaknesses, and seasonal patterns in customer perception. The system was further enhanced with an automated scraping pipeline for Google Reviews, ensuring continuous integration of updated customer feedback. The findings confirm that sentiment analysis and BI tools represent a powerful combination for transforming unstructured textual data into actionable insights. The study demonstrates the feasibility, scalability, and strategic relevance of this approach, while also highlighting limitations related to data availability and semantic overlaps. Ultimately, this work contributes to advancing data-driven decision-making in the hospitality industry.
- Multimodal Machine Learning for Early Detection of Clinical Deterioration in Chronic Heart FailurePublication . Barbosa, Bruno Filipe Catarino; Craveiro, Olga Marina FreitasA Insuficiência Cardíaca Crónica (ICC) é uma das principais causas de hospitalização e mortalidade, sendo frequentes os episódios de deterioração clínica de curto prazo. Este projeto investiga a utilização de técnicas de Mineração de Dados, Machine Learning e Processamento de Linguagem Natural para apoiar a predição de deterioração clínica de curto prazo em doentes com ICC estabelecida, integrados num programa de monitorização remota. Uma Revisão Sistemática da Literatura, apoiada pela estrutura PRISMA 2020 (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), estabeleceu o contexto clínico e metodológico. Seguindo a metodologia CRISP-DM (Cross-Industry Standard Process for Data Mining), foi desenvolvido um enquadramento multimodal utilizando dados de 181 doentes com ICC. Medições fisiológicas estruturadas e dados de alertas foram combinados com notas clínicas não estruturadas. O texto foi limpo e processado através da extração de conceitos clínicos baseada em regras, representações TF-IDF baseadas em uni-, bi- e trigramas, e embeddings contextuais gerados com o BioBERTpt-clin, um modelo linguístico clínico português baseado em BERT. Os sintomas, comorbilidades, tratamentos e outros indicadores derivados do texto foram agregados ao nível do doente e integrados com características fisiológicas numa matriz de risco clinicamente fundamentada. Foram desenvolvidos modelos de Regressão Logística regularizados para prever instabilidade clínica grave numa janela de 90 dias: um modelo base estruturado, baseado em indicadores fisiológicos, e um modelo integrado que incorporou conceitos derivados do texto. Um classificador Random Forest foi avaliado como referência comparativa não linear. A validação cruzada estratificada a cinco partições produziu valores de ROC-AUC de 0,855 para o modelo estruturado e 0,857 para o modelo integrado. Os indicadores de instabilidade fisiológica foram os preditores mais fortes, enquanto as características derivadas do texto acrescentaram contexto clínico. Apesar do enquadramento retrospetivo de implementação única, os resultados demonstram a viabilidade da estratificação de risco multimodal no apoio à decisão baseado em telemonitorização na gestão da ICC.
- Social Media – Grupo LusiavesPublication . Bento, Válter Luís Crespo; Craveiro, Olga Marina FreitasA análise de dados e a Inteligência de Negócio (Business Intelligence) têm vindo a ganhar cada vez mais importância nas organizações, com a tomada de decisões estratégicas. Atualmente, observa-se uma tendência crescente de descentralização do acesso e análise de dados em toda a organização, o que leva a que as empresas reconheçam o Business Intelligence como uma componente estratégica. Neste sentido, este projeto tem como objetivo o desenvolvimento de um sistema de analytics para auxílio à gestão e análise de informação de múltiplas fontes de dados no meio empresarial. De tal modo, para o desenvolvimento deste projeto, foi utilizado como caso de estudo a informação retirada das redes sociais do Grupo Lusiaves, utilizando a plataforma Domo. O projeto segue uma abordagem metodológica baseada no CRISP-DM, comumente utilizada na construção de sistemas de análise de dados. Todo o processo que foi seguido com base na metodologia CRISP-DM foi desenvolvida através da plataforma Domo, desde o processo de recolha e preparação dos dados até ao desenvolvimento de dashboards. Através da análise descritiva e prescritiva dos dados, foi possível comprovar o enorme potencial do Domo como ferramenta de suporte ao Business Intelligence, tanto do ponto de vista económico como no que diz respeito à análise de dados.