O objetivo é entender melhor como classificar títulos de notícias e textos em geral, a partir de dados pré-rotulados, utilizando modelos de aprendizado de máquina supervisionado.
Desafio de classificação automática de títulos de notícias, um problema comum em processamento de linguagem natural (PLN). Ao treinar e avaliar diferentes modelos de aprendizado de máquina, buscamos encontrar a melhor abordagem. Permitindo aplicações em diversas áreas, como organização de conteúdo, recomendação de notícias e detecção de tendências.
Este classificador utiliza bibliotecas como:
- scikit-learn (sklearn)
- NLTK
Analisando dados, treinando e avaliando modelos como:
- Regressão Logística (LR)
- Naive Bayes Multinomial (NB)
- Máquina de Vetores de Suporte Linear (SVM)
- Floresta Aleatória (RF)
-
Texto: Os estudantes de engenharia demoram o dobro do tempo na faculdade.
- Predição: educação
-
Texto: O vírus comeu o solto.
- Predição: saúde
-
Texto: Jogar League of Legends dá raiva.
- Predição: esporte
-
Texto: Eu gosto de carros
- Predição: carro
Exemplo da estrutura de dados utilizados:
Class | Text |
---|---|
esporte | Protesto antes mesmo do jogo |
economia | O que é o FGTS, como funciona e quem pode sacar? |
carro | Como é o Renault Kwid elétrico |
economia | O que é inflação? Entenda |
O modelo que apresentou o melhor desempenho, levando em conta a acurácia, foi Regressão Logística (LR).