Tutorial de Inteligência Artificial: Classificador de Sentimentos Simples

Tutorial Python

Neste tutorial, você aprenderá a criar um classificador de sentimentos simples usando Python e a biblioteca de machine learning, scikit-learn. Este classificador será capaz de determinar se um texto tem uma conotação positiva ou negativa.

Requisitos

• Python instalado no seu sistema
• Conhecimento básico de Python

Passos

1. Instale a biblioteca scikit-learn: Abra seu terminal ou prompt de comando e execute:

   pip install scikit-learn
   

2. Prepare seus dados: Para este exemplo, usaremos um conjunto de dados simplificado.

   python
   reviews = ["Eu amo este produto", "Péssima qualidade", "Cliente satisfeito", "Não gostei do produto", "Excelente!"]
   sentiments = [1, 0, 1, 0, 1] # 1 para positivo, 0 para negativo
   

3. Processamento de Dados: Converta os textos em uma matriz de contagem de tokens usando CountVectorizer.

   python
   from sklearn.feature_extraction.text import CountVectorizer
   
   vectorizer = CountVectorizer()
   X = vectorizer.fit_transform(reviews)
   

4. Treine o Classificador: Usaremos o classificador LogisticRegression do scikit-learn.

   python
   from sklearn.linear_model import LogisticRegression
   
   model = LogisticRegression()
   model.fit(X, sentiments)
   

5. Teste seu Classificador: Agora, você pode testar seu classificador com novos textos.

   python
   test_reviews = vectorizer.transform(["Odiei este serviço", "Melhor compra que já fiz"])
   predictions = model.predict(test_reviews)
   print(predictions)  # Saída esperada: [0 1]

Parabéns! Você construiu um classificador de sentimentos simples. Experimente com diferentes conjuntos de dados e otimize seu modelo para melhor desempenho.