🔍 Detector de Clickbait BR

Detector de manchetes clickbait em português brasileiro usando Machine Learning.

🏆 Modelo: Random Forest Otimizado (97.2% F1-Score)

🔗 Links Importantes

• 📦 Modelo Treinado: Hugging Face Model Hub
• 📚 Datasets: Hugging Face Datasets
• 🚀 Demo Interativa: Hugging Face Space
• 👤 Perfil Hugging Face: @rodrigoaraujorosa
• 💻 Repositório GitHub: detector-clickbait-br

---

📊 Datasets

Os datasets utilizados neste projeto estão disponíveis no Hugging Face:

🔗 rodrigoaraujorosa/detector-clickbait-br-datasets

Conteúdo:

• Raw Dataset: detector-clickbait-br-raw.csv (10.565 manchetes originais)
• Processed Dataset: detector-clickbait-br-processed.csv (9.532 manchetes após limpeza)
• Train/Test Split: X_train.csv, X_test.csv, y_train.csv, y_test.csv
• Transformers: tfidf_vectorizer.pkl, scaler.pkl

📥 Como Baixar os Datasets

Opção 1: Via Python (Recomendado)

from huggingface_hub import hf_hub_download
import pandas as pd

# Baixar dataset raw
dataset_path = hf_hub_download(
    repo_id="rodrigoaraujorosa/detector-clickbait-br-datasets",
    filename="detector-clickbait-br-raw.csv",
    repo_type="dataset"
)

# Carregar
df = pd.read_csv(dataset_path)
print(f"Total de manchetes: {len(df):,}")

Opção 2: Via CLI

# Instalar Hugging Face CLI
pip install huggingface_hub

# Fazer login (opcional, para datasets privados)
huggingface-cli login

# Baixar dataset
huggingface-cli download rodrigoaraujorosa/detector-clickbait-br-datasets \
    --repo-type dataset \
    --local-dir ./data

Opção 3: Download Direto

Acesse: https://huggingface.co/datasets/rodrigoaraujorosa/detector-clickbait-br-datasets/tree/main

E faça download manual dos arquivos.

---

📁 Estrutura do Projeto

detector-clickbait-br/
├── app.py                          # Aplicação Gradio
├── requirements.txt                # Dependências
├── README.md                       # Este arquivo
├── notebooks/                      # Análise exploratória e treinamento
│   ├── 01_analise_exploratoria.ipynb
│   ├── 02_preprocessamento_e_engenharia_features.ipynb
│   ├── 03_divisao_vetorizacao.ipynb
│   ├── 04_treinamento_modelos.ipynb
│   └── 05_verificar_metricas_e_dados.ipynb
├── models/                         # Modelos treinados (ignorado pelo git)
│   ├── melhor_modelo.pkl
│   ├── random_forest_otimizado_model.pkl
│   └── model_comparison_final.csv
├── data/                           # Datasets (ignorado pelo git)
│   ├── raw/
│   │   └── detector-clickbait-br-raw.csv
│   └── processed/
│       ├── detector-clickbait-br-processed.csv
│       ├── X_train.csv, X_test.csv
│       ├── y_train.csv, y_test.csv
│       ├── tfidf_vectorizer.pkl
│       └── scaler.pkl
└── src/                            # Código fonte
    ├── train.py
    └── utils.py

---

🚀 Como Rodar o Projeto

1️⃣ Clonar o Repositório

git clone https://github.com/rodrigoaraujorosa/detector-clickbait-br.git
cd detector-clickbait-br

2️⃣ Criar Ambiente Virtual

# Criar ambiente virtual
python -m venv .venv

# Ativar
# Linux/Mac:
source .venv/bin/activate

# Windows:
.venv\Scripts\activate

3️⃣ Instalar Dependências

pip install -r requirements.txt

4️⃣ Baixar Datasets e Modelo

# Executar script de download
python scripts/download_datasets.py

Ou manualmente via Hugging Face Hub (ver seção de Datasets acima).

5️⃣ Rodar Aplicação Gradio

python app.py

Acesse: http://localhost:7860

---

🎯 Performance do Modelo

Métrica	Valor
Acurácia	97.1%
Precisão	98.3%
Recall	96.2%
F1-Score	97.2%

Modelo Final: Random Forest Otimizado

• 5.297 manchetes treinadas
• 204 features (200 TF-IDF + 4 numéricas)
• Otimizado via RandomizedSearchCV

---

📚 Notebooks

Execute os notebooks na ordem:

1. 01_analise_exploratoria.ipynb - Análise dos dados
2. 02_preprocessamento_e_engenharia_features.ipynb - Limpeza e features
3. 03_divisao_vetorizacao.ipynb - Train/test split e TF-IDF
4. 04_treinamento_modelos.ipynb - Treinamento e otimização
5. 05_verificar_metricas_e_dados.ipynb - Validação final

---

🤝 Contribuindo

Contribuições são bem-vindas! Sinta-se à vontade para:

• Reportar bugs
• Sugerir melhorias
• Enviar pull requests

---

📄 Licença

Este projeto está licenciado sob a MIT License.

---

👤 Autor

Rodrigo Araujo Rosa

• 🌐 Hugging Face: @rodrigoaraujorosa
• 💼 GitHub: @rodrigoaraujorosa
• 📧 Email: seu_email@exemplo.com

---

⭐ Se este projeto foi útil, considere dar uma estrela no GitHub e seguir no Hugging Face!