Criação de banco de frases validadas por machine learning para plataforma de aprendizagem em língua inglesa

Abstract

O uso do Big Data na Linguística tem revolucionado a forma como entendemos e estudamos as Línguas, abrangendo a análise de grandes volumes de dados linguísticos para entender padrões de uso da linguagem, aprimorando a eficácia no estudo de idiomas. Os modelos de machine learning, que é um subcampo da inteligência artificial, podem ser utilizados para aprendizado de idiomas, sendo possível definir o perfil de estudo de um usuário, seus temas e quais são os próximos passos com relação ao seu aprendizado. Foi desenvolvido neste trabalho um algoritmo utilizando a linguagem de programação Python com o modelo Multilayer Perceptron (MLP) para criar um validador de frases, onde foram utilizadas seis condições validadoras como entrada do algoritmo. As frases foram retiradas de dois sites distintos utilizando a técnica web scraping. As frases já validadas pelo algoritmo foram inseridas no banco de dados MySQL em quatorze assuntos distintos, facilitando a obtenção de vocabulário com um contexto já estabelecido. As frases validadas e categorizadas por assuntos foram disponibilizadas em uma API (Application Programming Interface) que foi desenvolvida com o framework Flask. O algoritmo de machine learning empregado para o validador foi o Multilayer Perceptron, que alcançou uma acurácia de 0.93 durante os testes pós-treinamento, demonstrando um desempenho esperado na tarefa de reconhecimento de frases. Para o classificador de assunto das frases foram comparados três modelos de machine learning: Multilayer Perceptron, Decision Tree e Random Forest, sendo feito uma comparação da acurácia dos modelos, o melhor resultado foi o do modelo MLP.