Starts on: Aug 28, 2020 11:59:59 PM Ends on: Sep 18, 2020 11:59:59 PM
O objetivo deste desafio é identificar emoções em textos escritos em português do Brasil. Por exemplo, identificar que a mensagem "américa latina é região mais atingida pela nova gripe, diz oms" sugere a emoção "medo".
O conjunto de dados de textos para análise de emoções consiste de 1700 textos escritos em português do Brasil. Para cada texto existe uma classe que representa a principal emoção identificada no texto (alvo).
As 7 emoções possíveis e suas respectivas frequências na base disponibilizada são:
| Emoção | Quantidade de textos |
|---|---|
| Alegria | 156 |
| Desgosto | 223 |
| Medo | 189 |
| Neutro | 461 |
| Raiva | 70 |
| Surpresa | 214 |
| Tristeza | 387 |
O objetivo deste desafio é identificar a principal emoção de cada texto.
As colunas neste conjunto de dados são:
- id String: identificação do texto
- texto String: Texto escrito em português do Brasil
- classe String: Principal emoção do texto
Além dos 1700 textos desse conjunto de dados, também é disponibilizado um outro conjunto de dados com 300 textos, sem as respectivas classes, para aplicação do método classificador implementado, gerando resultado que será submetido à avaliação.
Portanto, os dados foram divididos em dois conjuntos:
- Conjunto de treinamento (1700 textos)(treino.csv)
- Conjunto de testes (300 textos)(teste-sem-texto.csv)
O conjunto de treinamento deve ser usado para construir seus modelos de aprendizado de máquina. Para o conjunto de treinamento, fornecemos o resultado (também conhecido como a “verdade fundamental”) para cada texto (neste caso, a principal emoção - campo classe). Seu modelo de classificação de emoção será baseado no atributo texto.
O conjunto de testes deve ser usado para medir o desempenho do seu modelo em dados desconhecidos. Para o conjunto de testes, não fornecemos a verdade fundamental para cada observação (neste caso, a principal emoção do texto). É seu trabalho predizer esses resultados. Para cada texto do teste, use o modelo que você treinou para inferir qual das sete emoções existentes é a predominante no texto.
Também incluímos o arquivo submissao-exemplo.csv, um conjunto de previsões fictício (com resultados aleatórios), como um exemplo de como deve ser um arquivo de envio (submissão) a ser automaticamente avaliado. Esse arquivo possui apenas dois campos: id (identificação do texto) e classe (principal emoção do texto).
Acesse o conjunto de dados de textos para análise de emoções
- Fase 1 - Inscrição: 24/08/2020 a 27/08/2020
- Fase 2 - Submissão: 31/08/2020 a 11/09/2020
- Fase 3 - Homologação do resultado: 14/09/2020 a 18/09/2020
O Grupo de Processamento de Linguagem Natural da Rede de Especialistas em IA preparou um Jupyter notebook para demonstrar uma solução básica que envolve treinamento e teste com os dados disponibilizados. A pontuação obtida pelo modelo gerado nesse notebook é o baseline do leaderboard deste desafio. Ou seja, submissões com pontuações inferiores ao baseline não serão classificadas.
- Marcelo Pita (SUPAI)
- Carlos Machado (SUPAI)
- Luis Brito (SUPAI)
- José Guilherme Wasner (SUPAI)
- Rafael Odon (SUPAI)
- Sebastião Borges Fonseca (SUPAI)
- Fabrício Dalapola (SUPAI)
- José Maria Leocádio (SUPAI)
- Thiago D'Avila (SUPAI)
- Sérgio Dias (SUPAI)
- Maria Beatriz Silva (SUPED)
- Dayana Sousa (SUPED)
- Marcia Santos (SUPED)
- Sérgio Carvalho (DIDES/COADM)
- Victor Frederico Silva(SUPAI)
Programa de Pós-Graduação em Informática da Pontifícia Universidade Católica do Paraná