Classificação de emoções utilizando BERT para a língua portuguesa

Abstract

Este presente trabalho investiga o impacto de diferentes ferramentas de tradução no desempenho do modelo BERTimbau na tarefa de classificação de emoções em português. Para isso, foram comparadas três ferramentas: Google Translator, Helsinki-NLP e Facebook NLLB. O estudo replicou a abordagem de Hammes e Freitas (2021), utilizando textos do conjunto de dados GoEmotions traduzidos para o português, e avaliou as métricas de precisão, recall e F1-score para cada emoção identificada. Os resultados mostraram que o Google Translator apresentou o melhor desempenho geral, seguido pelo Helsinki-NLP e Facebook NLLB.

This study investigates the impact of different translation tools on the performance of the BERTimbau model in the task of emotion classification in Portuguese. To perform this task, three tools were compared: Google Translator, Helsinki-NLP, and Facebook NLLB. The study replicated the approach of Hammes and Freitas (2021), using texts from the GoEmotions dataset translated into Portuguese, and evaluated precision, recall, and F1-score metrics for each identified emotion. The results showed that Google Translator achieved the best overall performance, followed by Helsinki-NLP and Facebook NLLB.