Aplicação com interface gráfica que identifica através de machine learning se uma questão pertence às materias de Física, Matemática, Química, Biologia, Literatura, Gramática, História, Geografia, Filosofia, Sociologia, Artes, Inglês ou Espanhol.
pip install scikit-learn nltk
git clone https://github.com/WilliamVernaschi/Classificacao-de-questoes/
cd Classificacao-de-questoes
python classification-with-gui.py
A criação do programa foi separada em duas partes:
-
- A obtenção do dataset de questões através de web scraping com requests e beautiful soup 4 no site https://www.stoodi.com.br/ que contém mais de 38000 questões (URL_getter.py e csv_creator.py)
-
- A manipulação dos dados com machine learning através do Scikit-learn e NLTK. (classification.py e classification-with-gui.py)
Gráfico representando a quantidade de questões de cada matéria no dataset
Precisão no acerto das questões:
| Matéria | Precisão |
|---|---|
| Inglês | 100% |
| Matemática | 97% |
| Espanhol | 96% |
| História | 91% |
| Biologia | 88% |
| Geografia | 85% |
| Química | 83% |
| Física | 75% |
| Literatura | 69% |
| Filosofia | 69% |
| Sociologia | 60% |
| Gramática | 54% |
| Artes | 37% |
| Média aritimética | 84% |
https://towardsdatascience.com/multi-class-text-classification-with-scikit-learn-12f1e60e0a9f