Análise de sentimentos: conhecendo os comportamentos dos usuários de redes sociais
help
{{apiData.me.position}}˚ no Ranking
profile pic account_circle
Login Comece agora
Iniciar Desafio Iniciar Desafio Fórum
{{apiData.participant_count}} Participantes
Classificação de textos
Análise de dados
Análise de sentimentos
Processamento de linguagem natural

Análise de Sentimentos: conhecendo os comportamentos dos usuários de redes sociais

Objetivo

Durante o mês de setembro a empresa DevDigital foi contratada para construir uma campanha de prevenção ao suicidio. A empresa optou por conduzir uma pesquisa de identificação dos comportamentos dos usuários do twitter para tentar conhecer o público alvo de sua campanha. Nesse desafio você deve construir um algoritmo para identificar se um tweet possui sentimento positivo ou negativo.

Tópicos

Neste desafio você aprenderá:

  • Classificação de textos;
  • Análise de Sentimentos;
  • Métricas para avaliar classificações.

Requisitos

Você precisará de python 3.6 (ou superior) e do gerenciador de pacotes pip.

O recomendado é você utilizar um ambiente virtual. Para isto, execute os comandos como no exemplo abaixo:

Linux/macos

pip3 install virtualenv
virtualenv ../venv -p python3
source ../venv/bin/activate 
pip install -r requirements.txt

Windows

pip3 install virtualenv
virtualenv ..\venv -p python3
..\venv\Scripts\activate
pip install -r requirements.txt

Ao terminar o desafio, você pode sair do ambiente criado com o comando deactivate

Detalhes

A resposta deve conter ser um json conforme exemplo ‘submission.json’ contendo os identificadores dos tweets e os sentimentos encontrados para os tweets disponíveis no arquivo ‘teste.json’. A métrica utilizada para avaliação será o f-1 score.

Descrição dos dados: ‘identificador’: Identificador do tweet ‘texto’: Texto do tweet ‘sentimento’: Sentimento do tweet. 0 para negativo e 1 para positivo

codenation code review

Para receber Code review, compartilhe o link abaixo com colegas ou em nosso fórum de discussões:

codenation code review

Para receber Code review, você precisa primeiramente finalizar o desafio.

{{apiData.participant_count}} Participantes

Para definir seu posicionamento no ranking do desafio, utilizaremos a nota mais alta que tiver conquistado nele. Caso outra pessoa participante obtenha a mesma nota que a sua, o critério de desempate será data e hora de envio da mais recente.

empty ranking Ainda não temos participantes suficientes para o ranking!
Aproveite e seja um dos primeiros a participar desse desafio.
CODE:NOME NOTA
{{candidate.position}}. {{candidate.name}} {{candidate.score.toFixed(2)}}%
Spacy

Biblioteca Python para o processamento de linguagem natural.

Keras

Artigo sobre como classificar textos utilizando Keras.

Tensorflow

Artigo sobre como classificar textos utilizando Tensorflow.

Métricas para avaliação de modelos

Artigo explicativo sobre métricas para avaliação.