Projeto: análise de sentimentos de ponta a ponta

As nove lições anteriores apresentaram peças separadas. Este projeto as reúne em um único problema, do carregamento dos dados até a discussão dos erros do modelo final. É esse exercício que importa, porque, em um projeto real, a dificuldade nunca está em uma técnica isolada: está no encadeamento, em que cada decisão restringe as seguintes.

O objetivo é classificar críticas de filmes escritas em francês de acordo com sua polaridade. O corpus é real: trata-se de críticas publicadas no Allociné, reunidas e distribuídas com o nome allocine no Hub da Hugging Face, com duas classes — negativo e positivo — derivadas das notas atribuídas por seus autores. Este último ponto é importante e será discutido: o rótulo não é uma anotação especializada do texto, é uma nota transformada em categoria, e isso cria um tipo particular de erro.

O método segue uma ordem inegociável. Olhamos os dados antes de modelar. Definimos uma baseline ingênua e, em seguida, uma baseline séria e não neural. Só depois treinamos um transformer e o comparamos às baselines no mesmo conjunto de teste, aberto uma única vez. Por fim, lemos os erros, classificamo-los e testamos explicitamente a robustez do modelo em casos construídos para fazê-lo falhar.