@MASTERSTHESIS{ 2017:1569881233,
 	title = {Modelos composicionais: an?lise e aplica??o em previs?es no mercado de a??es},
 	year = {2017},
 	url = "http://tede.ufam.edu.br/handle/tede/6027",
 	abstract = "Dentre as v?rias t?cnicas de representa??o textual existentes na literatura, a representa??o distribu?da de palavras (word embedding) vem se destacando ultimamente em v?rias tarefas de processamento de linguagem natural atrav?s de suas representa??es baseadas em vetores densos de ? dimens?es que s?o capazes de capturar informa??es sem?nticas e sint?ticas das palavras. Desta forma, espera-se que as palavras com semelhan?as sint?ticas e sem?nticas estejam mais pr?ximas umas das outras no espa?o vetorial. No entanto, enquanto essa representa??o tem se mostrado eficaz para palavras isoladas, n?o h? um consenso na literatura em rela??o ? melhor forma de representar estruturas mais complexas, como frases e ora??es. A tend?ncia dos ?ltimos anos ? a utiliza??o dos modelos composicionais que representam essas estruturas complexas atrav?s da composi??o das representa??es de suas estruturas constituintes utilizando alguma fun??o de combina??o. Entretanto, sabe-se que os resultados obtidos pelos modelos composicionais dependem diretamente do dom?nio em que s?o aplicados. Nesse trabalho, n?s analisamos diversos modelos de composi??o aplicados ao dom?nio de previs?o de pre?os no mercado de a??es com o objetivo de identificar qual desses modelos melhor representa os t?tulos de not?cias financeiras para diversos m?todos de aprendizado de m?quina com o intuito de prever a polaridade do ?ndice da bolsa de valore S & P 500.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}