Avaliação Comparativa e Otimização de Modelos de Machine Learning para Classificação de Polaridade em Críticas de Filmes em Português

Resumo

Este estudo detalha a avaliação de modelos de Machine Learning para a classificação de polaridade (positiva, negativa e neutra) em sentenças da língua portuguesa. O fluxo de trabalho experimental envolveu duas análises principais. Primeiramente, um conjunto de dados foi rotulado e vetorizado (TF-IDF com 2000 features) para treinar um modelo base Multinomial Naive Bayes (divisão 80/20), que alcançou uma acurácia de 38%. Em uma segunda análise, o mesmo conjunto de dados foi vetorizado (TF-IDF com 5000 features) e avaliado (divisão 75/25) com quatro modelos baseline: SVM Linear, KNN (k=5), Naive Bayes e Regressão Logística. Os modelos SVM (LinearSVC) e LogisticRegression obtiveram os melhores resultados (acurácia: 0.42), enquanto KNN apresentou o pior desempenho (acurácia: 0.26). Uma otimização de hiperparâmetros com GridSearchCV foi aplicada aos modelos de melhor desempenho (SVM e Regressão Logística), mas não resultou em melhoria de performance. A análise final indica que todos os modelos testados apresentaram desempenho geral limitado, com dificuldade significativa em distinguir corretamente as três classes de polaridade.