аЯрЁБс>ўџ 13ўџџџ0џџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџьЅСq`№ПObjbjqPqP.::OџџџџџџЄььььььь  l Ж,,,,,,,,ыээээээ$" hŠ L ь,, ьь,,& юь,ь,ыыьь,  ;)СqŠе^ы< 0l ж e"ж &ж ьУ(,"NfzŸ,,,  ‡,,,l $$ф$ььььььџџџџ Resumo: Tem sido cada vez mais comum que os candidatos р cargos governamentais apresentem a populaчуo suas plataformas de campanha antes do perэodo oficial, usando mecanismos de mэdia informais, para estarem mais prѓximos dos possэveis eleitores. Para decidir o seu voto, entre outros aspectos, os eleitores podem considerar o fluxo dos temas abordados, a coerъncia e consistъncia dos discursos dos candidatos, as diferenчas entre as posiчѕes polэticas, e tambщm como eles se comparam em relaчуo р interesses em comum. No entanto, capturar e analisar todas essas questѕes a partir de discursos щ uma tarefa difэcil para o eleitor, dado o volume de informaчѕes oferecidas por vсrios meios de comunicaчуo e o viщs polэtico de alguns deles. Nesta dissertaчуo, propomos uma abordagem chamada POStURE (POlitical Speech analysis with lingUistic REpresentations) para capturar, analisar e comparar automaticamente os discursos polэticos disponibilizados em mэdias sociais, apoiando-se em tщcnicas de Processamento de Linguagem Natural e Aprendizado de Mсquina. As mщtricas propostas para abordar os os problemas de descoberta de coerъncia, consistъncia e similaridade polэtica, estуo centradas principalmente em medidas de similaridade. O POStURE aborda dois tipos de medidas de similaridade, a semelhanчa geomщtrica que щ baseada na representaчуo do contexto textual com embeddings e a semelhanчa nуo geomщtrica, que atua com um algoritmo de alinhamento de seqќъncias genщticas para encontrar alinhames de tѓpicos discutidos pelos candidatos. Apresentamos os resultados obtidos com o POSTURE a partir dos discursos dos candidatos durante o processo de eleiчуo presidencial do Brasil em 2018, que permite fazer observaчѕes objetivas de como os candidatos se comportam em termos de seus discursos e dos discursos de seus concorrentes. Palavras-chave: Anсlise de Discursos, Processamento de Linguagem Natural, Embedding, LDA, Aprendizado de Mсquina, Smith-Waterman. Abstract: It has become increasingly usual that candidates for a government elected position to carry out their campaign in platforms before the official period throughout informal media mechanisms, to be closer to the electors. To decide their vote, among other aspects, the electors may consider the flow of the covered topics, the coherence, and consistency of the candidates' speeches, the differences among the candidates' political positions, and also how they compare to each other regarding common interests. However, capturing and analyzing all of those issues from discourses is a difficult task for the elector, given the volume of information offered by various media, and the political bias of some of them. In this dissertation, we propose an approach named POStURE (POlitical Speech analysis with lingUistic REpresentations) to automatically capture, analyze, and compare political speeches supported by Natural Language Processing and Machine Learning techniques. The proposed metrics are centering mainly on the similarity measure. POStURE addresses two types of similarity measures, the geometric similarity that is based in representing textual context with embeddings. The non-geometric similarity which works with an algorithm for aligning genetic sequences to find alignments of topics discussed by the candidates. We present the results obtained with POStURE from the speeches of the candidates for the presidential election of Brazil in 2018, allow to objective observations of how the candidates behave in terms of their speeches and the speeches of their competitors. Keywords: Discourse Analysis, Natural Language Processing, Embedding, LDA, Machine Learning, Smith-Waterman. "#2ЅІЎЏАпрщLMNOэогФгэФоэогБЂŒБЂvhF"жh>ЗmH sH hF"жhF"жmH sH +hF"жhF"ж5B*CJ\aJmH ph"""sH hF"жhF"жCJaJmH sH %hF"жhF"жB*CJaJmH ph"""sH hF"жhF"жB*CJaJph"""hF"жhF"жCJaJhF"ж5B*CJ\aJph"""#hF"жhF"ж5B*CJ\aJph"""#ЅІАрMNOѕшѕѕѕшѕѕц $d№Єa$gdF"ж d№ЄgdF"ж O§,1hА‚. АЦA!АЅ"АЅ#‰$‰%ААФАФ Ф†œ@@ёџ@ NormalCJ_HaJmHsHtH>A@ђџЁ> Fonte parсg. padrуoTi@ѓџГT  Tabela normalі4ж l4жaі ,k@єџС, Sem listaF^`ђF F"ж Normal (Web)dЄdЄŽ[$Oџџџџ#ЅІАр MNQ˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€˜0€€#Ар MNQKШ01KШ0š@0€€š@0€€š@0€€KШ0 0ІO O OџџБыƒьВыƒЌQ Q QW W QB*€urn:schemas-microsoft-com:office:smarttags€country-region€9*€urn:schemas-microsoft-com:office:smarttags€place€ d>ж&.67;<FGVDFазU_Яиmv•ЃІЎЊ Б Г М в м н ь П Ц  Q78№ёAFазІЏK о Q3ІЏАQІЎQЁНU.q(хrљL>ЗF"жџ@€ІІ+ЕІІO@@џџUnknownџџџџџџџџџџџџG‡: џTimes New Roman5€Symbol3& ‡: џArial"qˆ№ФЉ­Тz‡АТz‡< < !№Ѕ‰ДД24HH2ƒ№KP)№џ?фџџџџџџџџџџџџџџџџџџџџџF"ж2џџResumo:HelioHelioўџр…ŸђљOhЋ‘+'Гй0l˜ЈДФамь ќ ( 4 @LT\dфResumo:HelioNormalHelio1Microsoft Office Word@вIk@жа:qŠе@ЈІqŠе< ўџеЭеœ.“—+,љЎ0№ hp|„Œ” œЄЌД М афHц Resumo: Tэtulo ўџџџўџџџўџџџ!"#$%&'ўџџџ)*+,-./ўџџџ§џџџ2ўџџџўџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџRoot Entryџџџџџџџџ РFА -СqŠе4€Data џџџџџџџџџџџџ1TableџџџџWordDocumentџџџџ.SummaryInformation(џџџџџџџџџџџџ DocumentSummaryInformation8џџџџџџџџ(CompObjџџџџџџџџџџџџuџџџџџџџџџџџџўџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџџўџ џџџџ РF#Documento do Microsoft Office Word MSWordDocWord.Document.8є9Вq