como faço para incluir novos sentimentos no modelo?
como faço para incluir novos sentimentos no modelo?
Olá Wesley! Tudo bem?
O modelo usado na aula, o Analyzer, já vem com os sentimentos POS, NEG e NEU pré-definidos. E isso acontece com a maioria dos modelos que já vem pré treinados:
Então, para usar o Analyzer com esses sentimentos, você não precisa fazer nenhuma configuração extra. Ele já está pronto para classificar as avaliações em uma dessas três categorias. Mas, existem muitos outros sentimentos que as pessoas podem expressar em suas avaliações, além desses três. Se você quiser que o modelo identifique outros sentimentos, como "frustração", "surpresa", "desapontamento", "entusiasmo", "medo", etc., você precisaria treinar um novo modelo com um conjunto de dados que inclua exemplos de textos com esses sentimentos - precisaria customizar o modelo, o que já é um pouquinho mais avançado.
Se você deseja ir além do conteúdo da aula e fazer essa customização, recomendo a seguinte leitura para te auxiliar:
Também existem modelos no Hugging Face que já fazem uma classificação em uma gama maior de sentimentos, por exemplo:
Espero que tenha ajudado. Em caso de dúvidas, conte sempre com o fórum!
Um abraço e bons estudos!
Acho que minha pergunta não ficou muito claro. na verdade que queria saber se por exemplo os comentariso conter palavras ou expressões que o modelo não reconhece, por exemplo, uma gira do tipo "produto Meia tigela" ou "produto supimpa", tem como fazer com que o modelo identifique essas girias?
Olá, Wesley!
Para incluir novas expressões ou gírias, como "meia tigela" ou "supimpa", no modelo de análise de sentimentos, você precisará treinar um novo modelo que considere esses termos. Isso envolve algumas etapas:
Coleta de Dados: Primeiro, reúna um conjunto de dados que contenha exemplos de textos com essas gírias e suas respectivas classificações de sentimentos. Por exemplo, um comentário como "Esse produto é supimpa!" deve ser rotulado como positivo.
Pré-processamento: Prepare os dados removendo stopwords e normalizando o texto. Isso ajuda o modelo a entender melhor as gírias. Utilize bibliotecas como pandas e nltk para facilitar essa tarefa.
Treinamento do Modelo: Você pode usar bibliotecas como Transformers do Hugging Face para treinar o modelo. Mais informações na documentação.
Testar e Avaliar: Após o treinamento, teste o modelo com comentários que contenham as novas gírias para ver como ele se comporta.
Aprimoramento Contínuo: Você pode continuar a coletar mais dados e retreinar o modelo periodicamente para melhorar sua assertividade.
Espero que essas dicas tenham te ajudado. Conte sempre com o apoio do fórum!
Um abraço e bons estudos!