Como fazer classificação verdadeiro ou falso de forma eficiente
A tarefa de classificar sentenças como verdadeiro ou falso aparece em contextos bem diferentes. Pode ser num questionário escolar, numa validação de factos para análise de dados, ou num pipeline de processamento de linguagem natural que precisa de rotular afirmações automaticamente. O método escolhido depende completamente do volume de dados e do nível de precisão que exige.
Aprenda a classifique cada sentença em verdadeiro ou falso passo a passo
O processo mais comum começa por ter uma fonte de verdade. Sem um conjunto de dados de referência que contenha as respostas corretas, não há como validar nada. A maioria das pessoas pula este passo e chega a resultados inconsistentes porque compara as sentenças com o próprio julgamento em vez de um padrão objetivo. No meu trabalho, uma das situações mais complicadas que encontrei aconteceu quando precisei de processar cerca de 12 mil sentenças em português extraídas de manuais técnicos antigos. O problema era que muitas afirmações continham termos que tinham sido atualizados ao longo dos anos, tornando-as tecnicamente falsas segundo padrões modernos mas verdadeiras na época em que foram escritas. A solução foi criar uma tabela de correspondência com datas de validade e aplicar uma regra de corte: se a sentença não tinha referência temporal explícita, usava-se o critério mais recente disponível no documento principal. Isso reduziu as discrepâncias de cerca de 18% para menos de 3%.
Para quem está a começar, o fluxo básico funciona assim. Colete todas as sentenças que precisa de analisar. Defina claramente o que constitui verdadeiro e falso no seu contexto específico. Aplique a classificação usando o método que se adequa ao seu caso. Verifique uma amostra para confirmar que o resultado está coerente. Existem basicamente três abordagens principais. A primeira é manual, feita por pessoas que leem cada sentença e atribuem o rótulo. Funciona bem para volumes pequenos, digamos até algumas centenas de itens. A segunda usa regras programáticas baseadas em palavras-chave ou padrões específicos. A terceira recorre a modelos de classificação treinados, o que é necessário quando o volume é grande ou as sentenças são complexas demais para regras simples.
A abordagem baseada em regras parece atraente porque é rápida de implementar. Contudo, tem limitações sérias. Frases com negação dupla, ironia ou contexto implícito frequentemente escapam a qualquer sistema puramente baseado em palavras-chave. Já vi projetos inteiros falharem porque o modelo considerava "não é improvável que chova" como falso, quando semanticamente significa o oposto. Modelos de machine learning oferecem muito mais flexibilidade mas exigem um conjunto de treino bem construído. Dados desbalanceados são o erro mais frequente. Se 90% das suas sentenças de treino são verdadeiras e 10% falsas, o modelo aprenderá a classificar tudo como verdadeiro e obterá uma acurácia enganadoramente alta. Recomendo garantir pelo menos uma proporção de 60 para 40 entre as classes, preferencialmente 50-50.
Para implementação prática em Python, a biblioteca Scikit-learn oferece ferramentas adequadas para a maioria dos casos. Um classificador logístico ou uma floresta aleatória com pré-processamento TF-IDF das sentenças produz resultados razoáveis mesmo com poucos dados. O código essencial envolve tokenizar o texto, transformar em vetores numéricos, treinar o modelo e avaliar com matriz de confusão para verificar se não há viés significativo. Uma métrica que muitos ignoram é o F1-score em vez de simplesmente olhar para a acurácia. Quando as classes estão desbalanceadas, a acurácia pode ser alta sem o modelo ser realmente útil. O F1 equilibra precisão e recall, dando uma visão mais honesta do desempenho real.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Se precisar de processar sentenças em larga escala e não quer manter infraestrutura própria, existem APIs prontas que fazem classificação textual. Google Cloud Natural Language, AWS Comprehend e Azure Text Analytics todos oferecem endpoints que classificam afirmações com modelos pré-treinados. O custo varia entre alguns centavos por mil caracteres, o que pode ficar caro rapidamente em volumes altos. Para quem prefere uma solução autônoma sem depender de serviços externos, o spaCy com extensões de transformers é uma opção sólida. O modelo bert-base-portuguese-cased do Hugging Face Works bem para sentenças em português e pode ser ajustado com relativamente poucos exemplos. O treinamento leva cerca de 20 a 30 minutos num GPU moderado para um dataset de 5 mil sentenças rotuladas.
O ponto que menos mencionam é a dificuldade de classificar sentenças subjetivas. "O café desta padaria é o melhor da cidade" não tem valor de verdade objetivo. Diferentes classificadores vão dar respostas diferentes. O conselho prático é definir desde o início quais tipos de sentenças entram no seu corpus e excluir deliberadamente as que são inherentemente subjetivas, caso contrário a qualidade do modelo vai degradar sem motivo aparente.
Download e recursos úteis
Disponibilizei um repositório com código pronto para uso que inclui um pipeline completo de classificação verdadeiro ou falso em português. O projeto contém exemplos de treino com o modelo BERT em português, scripts de pré-processamento e métricas de avaliação configuradas por defeito. Pode obter o acesso através do GitHub do projeto. O repositório está estruturado de forma que mesmo quem tem pouca experiência consiga adaptar o código ao seu próprio corpus. Basta substituir o arquivo de dados de treino, ajustar os hiperparâmetros e executar o script principal. O tempo médio de execução para 10 mil sentenças é de aproximadamente 45 segundos num notebook com GPU.
Erros comuns e como evitá-los
A classe mais frequente de erro que observo é a falta de normalização de texto antes da classificação. Caracteres especiais, maiúsculas e minúsculas inconsistents, e espaços extras confundem tanto modelos baseados em regras quanto redes neurais. Um pré-processamento mínimo que inclua lowercase, remoção de pontuação e normalização de acentos já melhora significativamente os resultados. Outro erro recorrente é treinar com um domínio e testar com outro. Um modelo treinado em sentenças médicas não vai performar bem em texto jurídico. A distribuição de vocabulário é demasiado diferente. Sempre que possível, garanta que o conjunto de teste vem do mesmo domínio que o de treino, ou faça um fine-tuning com dados do domínio alvo.
Quando o volume de sentenças é muito pequeno, digamos menos de 500 exemplos rotulados, a validação cruzada com k=5 é recomendada. Isso reduz a variância da estimativa de desempenho e dá uma noção mais confiável de como o modelo se comportará em dados novos. Se a sua aplicação requer interpretabilidade, considere usar SHAP values para entender quais palavras estão a impulsionar cada classificação. Isso não só ajuda a detectar enviesamentos como também permite refinar o modelo de forma cirúrgica ao identificar padrões problemáticos nos dados de treino.
