Engagement models to monitor brand activation

Lemos, Marco Matias de

Publication

Engagement models to monitor brand activation

2025-03-03Master thesis

datacite.subject.fos	Engenharia e Tecnologia::Outras Engenharias e Tecnologias
dc.contributor.advisor	Cardoso, Pedro J. S.
dc.contributor.advisor	Rodrigues, João M. F.
dc.contributor.author	Lemos, Marco Matias de
dc.date.accessioned	2025-08-19T11:35:25Z
dc.date.available	2025-08-19T11:35:25Z
dc.date.issued	2025-03-03
dc.description.abstract	Engagement can refer to the act of being involved or committed to a particular activity, organization, or relationship. It also relates to the involvement and enthusiasm of em ployees or customers to a brand or to an event. The creation of effective brand names and the assessment of audience engagement are critical for businesses aiming to estab lish unique market identities and foster consumer connections. This dissertation ex plores (i) the transformative potential of artificial intelligence (AI), particularly natural language processing (NLP) and affective computing (AffC), in innovating brand name generation and engagement evaluation processes. Addressing the challenges posed by traditional approaches, such as trademark constraints and the subjective evaluation of branding elements, an AI-driven model is introduced to quantify the "brandabil ity" of two-word combinations. By leveraging psycholinguistic dimensions – valence, arousal, and dominance – alongside linguistic and semantic attributes like concrete ness, word frequency, and cosine similarity, the model evaluates the impact of over 219.000 word pairs, offering robust predictive capabilities for data-driven branding. Also, focusing in image/video this dissertation explores (ii) the engagement in group events, i.e., proposes a group engagement model that integrates individual metrics such as gaze direction, valence, and arousal to classify engagement states into binary levels – engaged and not-engaged – with further sub-level distinctions. Experimental results highlight the model’s capacity to assess and adapt to dynamic scenarios.	eng
dc.description.abstract	Engajamento pode se referir ao ato de estar envolvido ou comprometido com uma atividade, organização ou relacionamento específico. Também se relaciona com o en volvimento e entusiasmo dos funcionários ou clientes por uma marca ou evento. A criação de nomes para marcas eficazes e a avaliação do envolvimento do público são fundamentais para as empresas que procuram estabelecer identidades de mercado úni cas e fomentar conexões com os consumidores. Esta dissertação explora (i) o potencial transformador da inteligência artificial, em particular do processamento de linguagem natural e da computação afetiva, na inovação dos processos de geração de nomes para marcas e avaliação de envolvimento. Ao abordar os desafios colocados pelas abor dagens tradicionais, como as restrições de marcas registadas e a avaliação subjetiva de elementos de "branding", é introduzido um modelo baseado em inteligência artifi cial para quantificar a "brandability" de combinações de duas palavras. Recorrendo a dimensões de emoção juntamente com atributos linguísticos e semânticos, como fre quência das palavras e similaridade, o modelo avalia o impacto de mais de 219.000 pares de palavras, oferecendo capacidades preditivas robustas para "branding". Além disso, com foco em imagem/vídeo, esta dissertação explora (ii) o envolvimento em eventos de grupos, ou seja, i.e., esta propõe um modelo de envolvimento em grupo que integra métricas individuais, como a direção do olhar e a emoção, para classificar estados de envolvimento em dois níveis binários – envolvido e não envolvido – com subníveis adicionais. Os resultados experimentais demonstram a capacidade do modelo para avaliar e adaptar-se a cenários dinâmicos.	por
dc.identifier.tid	203910516
dc.identifier.uri	http://hdl.handle.net/10400.1/27544
dc.language.iso	eng
dc.rights.uri	http://creativecommons.org/licenses/by/4.0/
dc.subject	Affective Computing
dc.subject	Sentiment Analysis
dc.subject	Natural Language Process ing
dc.subject	Computer Vision
dc.subject	Human-Machine Cooperat
dc.title	Engagement models to monitor brand activation	eng
dc.type	master thesis
dspace.entity.type	Publication
thesis.degree.grantor	Universidade do Algarve. Instituto Superior de Engenharia
thesis.degree.level	Mestre
thesis.degree.name	Mestrado em Engenharia Elétrica e Eletrónica