O presente trabalho apresenta um estudo de diferentes classificadores aplicados a um conjunto de dados formado por textos extraídos do twitter que foram rotulados de acordo com o posicionamento político dos autores [Santos and Paraboni 2019]. Dentre os tópicos disponíveis, foram utilizados apenas os textos referentes à aborto e controle de armas e os posicionamentos possíveis para cada texto são: a favor, contra ou neutro. Os textos foram representados como bag of words formados por n-gramas de palavras com diversos tamanhos e diferentes pré-processamentos aplicados, conforme detalhado na seção 2 do relatório preliminar. Para a classificação, foram selecionados quatro algoritmos: Multinomial Nayve Bayes, Regressão Logística, Support Vector Machine (SVM) e redes neurais multilayer perceptron (MLP).
Foram desenvolvidos diferentes códigos, um para cada classificador e conjunto de dados, totalizando 8 arquivos (e.g. RL abortion). Foi realizada uma padronização nos parâmetros de pré-processamento para reproduzir os resultados. Isso permite a paralelização dos treinos e testes, bem como a análise dos resultados. As bibliotecas necessárias para executar os códigos são: sklearn, pandas, numpy e nltk. As execuções dos scripts devem então ser feitas separadamente, cada qual com o seu respectivo arquivo .py. Além disso, deve-se atentar para que a localização relativa dos scripts e todos os arquivos seja mantida (i.e. base de dados e resultados).
Assim, cada script ao ser executado extrai os dados da pasta Dados e, ao terminar sua execução, salva os resultados na pasta Resultados de acordo com uma nomenclatura padrão. Basta executar cada um da maneira preferida, seja via linha de comando seja em um IDE.