• Tentar realizar o reconhecimento de fala de alguns áudios que falharam
  • Salvos no arquivo scraping_jpb/audios_falharam.json.

O spacy permite que adicionamos novas entidades dentro do modelo.

• Adicionar as ruas de Campina Grande, já obtidas, vai melhorar o modelo para encontrar o endereço de Campina Grande contido em um texto.

Pensar em uma forma de corrigir isso.

• Todas as palavras com inicias maiúsculas(Não funcionou)

• Usar uma biblioteca para isso(Sacremoses).

• Utilizar o truecase.

  • Apesar de ter suporte apenas para o inglês, parece ter um ótimo desempenho. Então, os textos podem ser traduzidos e testados com essa biblioteca.

• Utilizar o LeNER-Br

  • Começar a realizar testes.
  • Testes concluídos.

• Treinar o Spacy.

Conclusão:

• O LeNER-Br acaba ficando com uma acurácia muito baixa.
• O Sacremoses não realiza o Truecasing bem para o idioma Português.
• Treinar o Spacy não tem bons resultados também.
• Utilizar o TrueCase, mesmo com suporte apenas para inglês, realizando a tradução para inglês e realizando o true case, parece ser a melhor solução.

Gráficos para analisar a modelagem de tópicos:

• Usar o pyLDAVis.
• Gerar gráfico para as palavras que mais aparecem nos documentos.
• Gerar um gráfico com a quantidade de documentos que são de um determinado tópico.

Objetivo:

• Utilizar esses dados no artigo e realizar as analises desses gráficos.