{
  "fetched_at": "2026-10-19T20:45:54Z",
  "source_url": "https://www.kaggle.com/competitions/enap-bert-para-classificao/data",
  "pages": [
    {
      "name": "data-description",
      "content": "## Base de treinamento\n\nA base de treinamento contém o `label` e o `text` em uma lista. \n\n| label | text                                                  |\n|-------|-------------------------------------------------------|\n| 4     | dr. goldberg offers everything i look for in a...     |\n| 1     | Unfortunately, the frustration of being Dr. Go...     |\n| 3     | Been going to Dr. Goldberg for over 10 years. ...     |\n| 3     | Got a letter in the mail last week that said D...     |\n| 0     | I don't know what Dr. Goldberg was like before...     |\n\n<br>A base de treinamento pode ser acessada com as seguintes linhas de código:\n\n```python\n!pip install -q datasets \nfrom datasets import load_dataset\ntrain = load_dataset('yelp_review_full', split='train')\n```\n\n## Base de teste\n\nA base de teste contém o `ID` e o `text` em uma lista. \n\n| ID    | text                                               |\n|-------|----------------------------------------------------|\n| 30978 | Stopped in for a drink before a show at the Ca...  |\n| 18993 | Why am I reviewing this place? Because upon a...   |\n| 1311  | I came to Souper Salad right after getting rej...  |\n| 49832 | We went to this Bistro based on a recommendati...  |\n| 43775 | Took my first class today, the class was aweso...  |\n\n<br>A base de teste pode ser lida com as seguintes linhas de código:\n\n```python\nimport pandas as pd\nfrom datasets import Dataset\n\ntest = pd.read_csv('test.csv')\ntest = Dataset.from_pandas(test)\n```",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Description",
      "content": "Para a tarefa de classificação, é altamente recomendável utilizar o BERT. Existem diferentes versões propostas na literatura (BERT-base, BERT-large, BERT-multilingual e etc) cada uma com uma características diferentes. A princípio, todas elas permitem as seguintes tarefas: \n\n1. Extração de características: o BERT é usado para converter cada entrada de texto em uma representação numérica densa, que captura informações contextuais e semânticas sobre o texto. Essas representações de texto podem então ser alimentadas para um classificador simples, como uma Regressão Logística, para realizar a tarefa de classificação. É importante ressaltar que quando você está extraindo características utilizando a camada final do BERT para tarefas de classificação, você geralmente recupera o vetor de incorporação correspondente ao token [CLS] como a representação da sequência de entrada. \n\n2. Ajuste fino do modelo pré-treinado: o BERT pré-treinado é ajustado para a tarefa específica de classificação. Isso envolve a continuação do treinamento do BERT em um conjunto de dados rotulado para a tarefa em questão. Essa abordagem geralmente produz resultados mais precisos e adaptados para a tarefa específica, especialmente quando se tem um grande conjunto de dados de treinamento disponível.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "rules",
      "content": "Não trapaceie!\nAplique-se!\nDivirta-se!",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "abstract",
      "content": "O objetivo deste exercício é desenvolver modelos de classificação utilizando o BERT (Bidirectional Encoder Representations from Transformers) para classificar comentários do conjunto de dados Yelp. Existem duas formas básicas de utilizar o modelo BERT para classificação: (i) Extração de características; e (ii) ajuste fino do modelo pré-treinado. Enquanto a extração de características gera representações dos textos que podem ser utilizadas por qualquer classificador, o ajuste fino permite que o BERT se especialize em uma tarefa de classificação. Para melhorar o desempenho do seu modelo, é sugerido: 1) Utilizar técnicas de pré-processamento, como normalização de texto, limpeza de dados e tokenização aprimorada; 2) Modificar a arquitetura original do BERT; e 3) tratar o desbalanceamento com o aumento de dados.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Avaliação",
      "content": "O desempenho do modelo é avaliada considerando a acurácia. A acurácia é uma medida comum de desempenho em problemas de classificação, representando a proporção de previsões corretas em relação ao total de previsões feitas pelo modelo. Ela fornece uma visão geral da precisão do modelo em classificar corretamente as instâncias, sendo uma métrica importante para avaliar sua eficácia e confiabilidade.",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    },
    {
      "name": "Arquivo de submissão",
      "content": "Para cada `ID` do conjunto de teste, você deve predizer o atributo `label`. O arquivo deve conter um cabeçalho separado por vírgula no seguinte formato:  \n\n| id   | label    |\n|------|-------------|\n| 30978 | 1 |\n| 18993  | 2 |\n| 1311  | 3 |\n| 49832 | 1 |\n| 43775 | 4 |",
      "isPublished": false,
      "hasIsPublished": false,
      "postTitle": "",
      "hasPostTitle": false,
      "mimeType": "",
      "hasMimeType": false
    }
  ]
}