| Resumo : |
Previsões de demanda são um desafio para qualquer setor, no setor aéreo, em especial, a previsão de demanda por passagens aéreas é uma tarefa de ainda maior complexidade, devido à alta dinamicidade do mercado da aviação e aos constantes avanços tecnológicos da área. Este trabalho propõe um método disruptivo e inovador para a tarefa, baseado em aprendizado profundo e processamento de linguagem natural. Para isso, criou-se uma base de dados com notícias de jornal relacionadas ao setor aéreo de 2006 a 2018 utilizando raspagem web. Essa base de dados foi associada com os dados da ANAC de demanda anual por passagens aéreas. A base associada serviu de entrada para a rede neural profunda que, por meio de regressão, gerou o modelo capaz de realizar previsões de demanda. Os resultados mostraram que o método é eficaz para realizar a tarefa proposta e que as notícias de jornal relacionadas ao transporte aéreo têm conteúdo linguístico suficiente para prever com exatidão a demanda por transporte aéreo. |