Universidade Federal de Minas Gerais
Projeto final: Predizendo produtos por meio de reclamações textuais - 2020/2
Resumo: objetivo é criar um modelo Sequence-to-Sequence usando uma rede LSTM, o qual que preveja produtos financeiros por meio de uma reclamação textuais de consumidores ao "Departamento de Proteção Financeira do Consumidor" dos EUA. O corpus está disponível em https://catalog.data.gov/dataset/consumer-complaint-database.
Sobre o Dataset: "The Consumer Complaint Database is a collection of complaints about consumer financial products and services that we sent to companies for response. Complaints are published after the company responds, confirming a commercial relationship with the consumer, or after 15 days, whichever comes first. Complaints referred to other regulators, such as complaints about depository institutions with less than $10 billion in assets, are not published in the Consumer Complaint Database. The database generally updates daily." [SIC]
Baixar do GitHub: https://github.com/EwertonDCSilv/nlp_final_project
Executar no colab: https://drive.google.com/drive/folders/1necRI2e-UNhp30eUqaEyp5ColWeZKN02?usp=sharing
Link do vídeo no Drive https://drive.google.com/drive/folders/18sVyH1lXZ9NvnQ2qMadnqUwqN-9EU92M?usp=sharing
Link do vídeo no YouTube https://youtu.be/ae-_LakbDsE
Pastas:
.
+-- data
| +-- Consumer_Complaints.zip // Conjunto de teste com apenas 20 mil entradas
| +-- Consumer_Complaints_Full.zip // Conjunto completo de dados
+-- model // Pasta para exportar modelo
| +-- saved_model.pb
| +-- _variables
| | +-- variables.data-00000-of-00001
| | +-- variables.index
+-- README.md
+-- tpFinal.ipynb // Codigo