NullCipherr / Sentiment_Analyzer_PLN

This project utilizes Natural Language Processing (NLP) techniques to classify sentiments in text. The code is written in Python and leverages popular libraries such as scikit-learn, nltk, and pandas.

📊 Análise de Sentimentos PLN

Bem-vindo ao repositório de Análise de Sentimentos! Este projeto utiliza técnicas de Processamento de Linguagem Natural (PLN) para classificar sentimentos em textos. O código é escrito em Python e utiliza bibliotecas populares como scikit-learn, nltk e pandas.

🌟 Características Principais

• 📚 Pré-processamento de Texto: Tokenização, remoção de stopwords e conversão para minúsculas.
• 🔍 Modelo de Classificação: Utiliza o algoritmo Naive Bayes com TF-IDF para a classificação de sentimentos.
• 📈 Validação Cruzada: Avaliação do modelo com validação cruzada (k-fold) para garantir a robustez dos resultados.
• 📊 Avaliação de Desempenho: Relatórios de classificação e matrizes de confusão para avaliar o desempenho do modelo.
• 🔄 Grid Search: Ajuste de hiperparâmetros para otimizar o desempenho do modelo.

📂 Estrutura do Repositório

• training.csv: Arquivo de dados de treinamento.
• validation.csv: Arquivo de dados de validação.
• main.py: Script principal que contém o código para pré-processamento, treinamento, validação e avaliação do modelo.
• requirements.txt: Arquivo com as dependências necessárias para executar o código.

🚀 Como Executar

1. Clone o Repositório:

   git clone https://github.com/NulCipherr/Sentiment_Analyzer_PLN.git
   cd Sentiment_Analyzer_PLN

2. Instale as Dependências:

   pip install -r requirements.txt

3. Execute o Script Principal:

   python main.py

📊 Exemplo de Uso

O código inclui um exemplo de frases para testar o modelo treinado:

exemplo_frases = [
    "I love this product!",
    "This is the worst experience I've ever had.",
    "It's okay, not bad.",
    "Absolutely fantastic!",
    "I hate it so much.",
    # ... mais frases
]

predicoes = best_model.predict(exemplo_frases)
for frase, sentimento in zip(exemplo_frases, predicoes):
    print(f'Frase: "{frase}"\nSentimento Predito: {sentimento}\n')

📚 Dependências

• pandas
• numpy
• nltk
• scikit-learn

🔗 Links Úteis

• Documentação do Scikit-learn
• Documentação do NLTK
• Documentação do Pandas

🤝 Contribuições

Contribuições são bem-vindas! Se você encontrar um bug ou tiver uma sugestão de melhoria, sinta-se à vontade para abrir uma issue ou enviar um pull request.

📜 Licença

Este projeto está licenciado sob a Licença MIT. Veja o arquivo LICENSE para mais detalhes.

---

Espero que você ache este repositório útil e interessante! Se tiver alguma dúvida ou sugestão, não hesite em entrar em contato. 😀

---