Inteligência Artificial Processamento de Linguagem Natural

Sumário

1. Resumo        2

2. Introdução        3

2.1 Contexto        3

2.2 Objetivo        3

3. Estado da arte        4

3.1 Inteligência Artificial        4

3.2 Processamento de linguagem natural        5

3.2.1 Qual a utilidade        5

3.3 Introdução a aprendizagem supervisionada e seus classificadores        5

3.3.1 Classificadores        5

3.3.1.1 Classificador - Naive Bayes        6

3.3.1.2 Classificador - Multinominal Naive Bayes        6

3.3.1.3 Classificador - Bernoulli Naive Bayes        6

3.3.1.4 Classificador - Regressão logica        7

3.3.1.5 Classificador - Descida Gradiente Estocástica        7

3.3.1.6 Classificador - Máquina de vetores de suporte        8

4. Implementando a teórica        8

4.1 Tokenização        8

4.2 Utilizando NLTK        8

4.3 Arquitetura        8

4.4 Análise        9

5. Conclusão        10

Referências bibliográficas        11

1. Resumo

Este trabalho apresenta uma análise sobre a comunicação dentro das redes sociais, nesse caso o twitter, e como as pessoas expressam em um âmbito mais anónimo seus pensamentos e dentro desses se pode ser encontrando uma linhagem mais agressiva ou tóxica. Com objetivo de entender melhor e encontrar padrões de comportamento em falar negativas utilizando como metodologia Inteligência Artificial e processamento de linguagem natural. Como resultado pode ser observado que certos conteúdos estão associados a um contexto muito negativo e traçando padrões pode notar comportamentos comuns entre os comentários e essas são palavras associadas a problemas, principalmente políticos e sociais. No final da análise é explícito como existe uma quantidade de discurso associados de forma negativa e positiva atrelado a assuntos diversos.

---

2. Introdução

2.1 Contexto

Entrando no mundo das redes sociais, sabemos que o fluxo de informações é enorme e constante, nesse contexto podemos imaginar a extração desses dados de forma a fazer uma varredura e analisar essa quantidade massiva de informações utilizando alguma vertente de inteligência artificial no processamento de linguagem natural.

2.2 Objetivo

Focando em entender melhor o sentimento das pessoas em relação a assuntos diversos, como por exemplo, política. Tentando responder questionamentos como se existe um negativismo ou positivismo em relação a algum partido político, nas redes sociais.

3. Estado da arte

Para iniciar nossa análise, temos que entender o que é séria a ideia de IA e por que usamos esse conceito para processamento de linguagem natural.

3.1 Inteligência Artificial

Segundo ROUHIAINEN, LASSE (2018, p 17):

definindo IA como a capacidade dos computadores de fazer atividades que normalmente requerem inteligência humana. Mas, para fornecer uma definição mais detalhada, poderíamos dizer que IA é a capacidade das máquinas de usar algoritmos, aprender com os dados e usar o que você aprendeu em tomada de decisão como um ser humano faria. No entanto, ao contrário das pessoas, os dispositivos baseados em IA não precisam descansar e podem analisar grandes volumes de informação de uma só vez. Além disso, a proporção de erros é significativamente menor nas máquinas do que eles executam as mesmas tarefas que suas contrapartes humanas.

Ou seja, a IA é a máquina exercendo uma atividade extremamente humana, como reconhecimento, classificação e rotulagem de imagens estáticas, melhorias de desempenho da estratégia de negociação algorítmica, processamento eficiente e escalável de dados, manutenção preditiva, detecção e classificação de objetos, distribuição de conteúdo nas redes sociais, proteção contra ameaças de segurança cibernética, processamento de da linguagem humano e muitas outras possibilidades.

        Para se ter uma boa inteligência artificial é preciso entender o que você pretende atacar, para assim analisar qual abordagem você deve utilizar, seja ela, aprendizado por reforço que é uma técnica muito atraente quando se deseja solucionar uma variedade de problemas de controle e planejamento quando não existem modelos disponíveis a priori, pois o agente irá aprender a cumprir uma função de maneira correta em um ambiente desconhecido por meio de tentativa e erro (Luiz A. Celiberto, 2009).

Aprendizado por transferência, que consiste na ideia de você utilizar um modelo já treinado com uma quantidade massiva de dados e transferir o conhecimento desse modelo para um modelo ainda não treinado, para ele apenas com poucas gerações conseguir uma alta precisão, aprendizagem supervisionada, similar com a aprendizagem por reforço, com a diferença que existe um agente atuando como um professor para o modelo, determinando se cada ação ou escolha do modelo em sua fase de teste é notificada como assertiva ou não. Existem várias outras formas das inteligências artificiais aprenderem, esses são apenas alguns exemplos iniciais para tentar abstrair mais a ideia do que é uma IA