{
  "fetched_at": "2026-10-19T08:35:17Z",
  "source_url": "https://www.kaggle.com/competitions/anlise-de-sentimento-do-google-play/data",
  "pages": [
    {
      "name": "data-description",
      "content": "# Dataset\nVocê está recebendo um conjunto de dados de reviews reais do aplicativo do Google Play. \n\nPara fazer o scraping dos dados do Google Play Store, utilizamos a biblioteca [google-play-scraper](https://github.com/JoMingyu/google-play-scraper).  Google-Play-Scraper fornece APIs para facilmente obter dados do Google Play Store utilizando Python sem dependências externas!\n\n## Arquivos\n*   **reviews_train.csv** - conjunto de dados de treinamento. Contém dados de reviews de vários aplicativos. Você pode usar o Google-Play-Scraper para aumentar seu conjunto de treinamento.\n*   **reviews_test_kaggle.csv** - conjunto de dados de teste. Você irá prever o sentimento de cada review.\n*   **reviews_sample_submission_kaggle.csv** - arquivo de exemplo de submissão contendo o formato correto.\n\n## Campos do arquivo **reviews_train.csv** \n*   `reviewId` - id do review do usuário.\n*   `userName` - nome do usuário no Google Play.\n*   `userImage` - link da imagem do usuário no Google Play.\n*   `content` - conteúdo do comentário.\n*   `thumbsUpCount` - thumbsUpCount.\n*   `reviewCreatedVersion` - versão do review.\n*   `at` - data do review.\n*   `replyContent` - conteúdo da resposta da loja.\n*   `repliedAt` - data da resposta\n*   `appVersion` - versão da app do comentário.\n*   `sortOrder` - ordenação do review.\n*   `appId` - id do aplicativo.\n*   `sentiment` - sentimento do review.\n\n## Campos do arquivo **reviews_test_kaggle.csv** \n*   `id` - identificador do review do usuário.\n*   `content` - conteúdo do comentário.\n*   `at` - data do review.\n*   `sortOrder` - ordenação do review.\n\n## Campos do arquivo **reviews_sample_submission_kaggle.csv**\n*   `id` - identificador do review do usuário.\n*   `sentiment` - sentimento do review.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Neste trabalho iremos construir um pipeline de Big Data e NLP para análise de sentimento dos reviews de aplicativos de compras no Google Play.\n\nA nota da disciplina será atribuída a cada equipe avaliando o esforço, a arquitetura de dados construída na solução e como o time foi capaz de resolver o problema. O score no Leaderboard não será levado em conta na avaliação final da disciplina.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Evaluation",
      "content": "Submissões são avaliadas na acurácia da classificação (percentual de labels corretamente predita) para cada review. Os rótulos de sentimento são:\n\n0 - negativo\n1 - neutro\n2 - positivo\n\n## Arquivo de submissão\nPara cada review no arquivo de teste, faça a predição do label para cada sentimento. A submissão deve ter um cabeçalho e seguir o seguinte formato:\n\n```\nid,sentiment\n156061,2\n156062,2\n156063,2\n```",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "- Dediquem-se!\n- Divirtam-se!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "Neste trabalho iremos analisar os reviews de aplicativos de compras no Google Play.\n",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}