IA com Python: Análise de Sentimentos em Tempo Real

Inteligência Artificial e NLP

A Análise de Sentimentos (Sentiment Analysis) permite que máquinas identifiquem emoções em textos. Isso é fundamental para monitorar a satisfação de clientes e automatizar o suporte técnico.

Procedimento de Instalação

Para este projeto, utilizaremos a biblioteca TextBlob. Além da instalação, é necessário baixar os pacotes de dados linguísticos:

pip install textblob\npython -m textblob.download_corpora

O Código Completo

Este script processa o texto e retorna a Polaridade (emoção positiva/negativa) e a Subjetividade (se o texto é um fato ou opinião).

from textblob import TextBlob

def analisar_sentimento(texto):
    # Criando o objeto TextBlob (Processamento de Linguagem Natural)
    blob = TextBlob(texto)
    
    # Polaridade: -1.0 (muito negativo) a 1.0 (muito positivo)
    polaridade = blob.sentiment.polarity
    # Subjetividade: 0.0 (objetivo/fato) a 1.0 (subjetivo/opinião)
    subjetividade = blob.sentiment.subjectivity
    
    # Classificação legível
    if polaridade > 0.1:
        sentimento = "Positivo"
    elif polaridade < -0.1:
        sentimento = "Negativo"
    else:
        sentimento = "Neutro"
        
    return {
        "classificacao": sentimento,
        "polaridade": round(polaridade, 2),
        "subjetividade": round(subjetividade, 2)
    }

# Exemplo de uso
if __name__ == "__main__":
    exemplo = "Python is an amazing language for data science!"
    resultado = analisar_sentimento(exemplo)
    
    print(f"Texto: {exemplo}")
    print(f"Sentimento: {resultado['classificacao']} (Score: {resultado['polaridade']})")

O que foi aprimorado?

• Métricas Detalhadas: Agora o código explica o que é Polaridade e Subjetividade, transformando números em informações úteis.
• Lógica Condicional: Adicionamos uma margem de segurança para classificar textos como "Neutros", evitando falsos positivos.
• Instrução de Download: Incluímos o comando download_corpora, essencial para que a biblioteca funcione corretamente após a instalação.
• Saída Estruturada: O retorno em formato de dicionário permite que o código seja facilmente integrado a sistemas maiores ou APIs.

Dica: Por padrão, a TextBlob é otimizada para o inglês. Para analisar textos em português, você pode integrar uma biblioteca de tradução ou usar modelos específicos como o spaCy.