Aula Prática Processamento de linguagem natural – NLP
ROTEIRO DE AULA PRÁTICA
NOME DA DISCIPLINA: PROCESSAMENTO DE LINGUAGEM NATURAL – NLP
Unidade: NLP E INTELIGÊNCIA ARTIFICIAL
Seção: Linguística aplicada com Python
OBJETIVOS
Definição dos objetivos da aula prática:
• Compreender os fundamentos do Processamento de Linguagem Natural (NLP).
• Construir um diálogo homem-máquina em Python.
• Explorar bibliotecas NLP em Python.
• Aplicar conceitos de Linguística Aplicada em uma tarefa prática.
SOLUÇÃO DIGITAL
• BIBLIOTECAS ESCRITAS EM IDLE(PYTHON)(NATURAL LANGUAGE TOOLKIT (NLTK)
(Biblioteca)
Bibliotecas escritas em IDLE(Python): Natural Language Toolkit (NLTK): Biblioteca para
processamento de linguagem natural em Python.
PROCEDIMENTOS PRÁTICOS
Procedimento/Atividade nº 1 (Virtual)
Atividade proposta:
Construindo um Diálogo Homem-Máquina em Python
Procedimentos para a realização da atividade:
Passo 1: Preparação do Ambiente
Certifique-se de ter o Python e o ambiente IDLE(Python).
Instale as seguintes bibliotecas, se ainda não estiverem instaladas:
‘nltk’ (Natural Language Toolkit)
2
‘textblob’
‘tkinter’ (para a interface gráfica, se necessário)
‘speech_recognition’ (para reconhecimento de voz, se desejado)
Passo 2: Importação de Bibliotecas
Abra a IDE Python e importe as bibliotecas necessárias:
import nltk
from nltk.chat.util import Chat, reflections
from textblob import TextBlob
import tkinter as tk
Passo 3: Pré-processamento de Texto
Carregue os recursos de linguagem do NLTK, como stopwords e punkt:
nltk.download(‘stopwords’)
nltk.download(‘punkt’)
Passo 4: Definindo Padrões de Diálogo
Crie uma lista de padrões e respostas para o chatbot. Por exemplo:
pares = [
[‘Oi’, [‘Olá!’, ‘Olá, como posso ajudar?’]],
[‘Como você está?’, [‘Estou bem, obrigado. E você?’, ‘Tudo bem!’]],
[‘Quem é você?’, [Sou seu professor virtual.’, ‘Me chame de Prof.’]],
[‘Qual é o seu objetivo?’, [‘Meu objetivo é ajudar a responder suas perguntas.’, ‘Estou aqui
para te ensinar.’]],
# Adicione mais pares de perguntas e respostas
]
Passo 5: Construindo o Chatbot
3
Crie um objeto de chat com os pares de padrões e respostas:
chatbot = Chat(pares, reflections)
Passo 6: Interagindo com o Chatbot
Crie um loop para interagir com o chatbot. Por exemplo, usando uma interface gráfica Tkinter:
def chat():
print(“Olá! Digite ‘sair’ para encerrar o chat.”)
while True:
mensagem = input(“Você: “)
if mensagem.lower() == ‘sair’:
print(“Chat encerrado.”)
break
resposta = chatbot.respond(mensagem)
print(“ChatGPT: “, resposta)
chat()
Passo 7: Aplicando Análise de Sentimento (Opcional)
Você pode usar o TextBlob para realizar análise de sentimento nas mensagens do
usuário:
def analisar_sentimento(texto):
blob = TextBlob(texto)
polaridade = blob.sentiment.polarity
if polaridade > 0:
return “Isso parece positivo!”
elif polaridade < 0:
return “Isso parece negativo.”
4
else:
return “Não consigo determinar o sentimento com certeza.”
mensagem_usuario = input(“Digite algo para análise de sentimento: “)
resultado_sentimento = analisar_sentimento(mensagem_usuario)
print(“Análise de Sentimento: “, resultado_sentimento)
Checklist:
• Ambiente Python configurado corretamente.
• Bibliotecas instaladas.
• Importação de bibliotecas.
• Criação de pares de perguntas e respostas.
• Construção do chatbot.
• Interagir com o chatbot e analisar sentimento (se necessário).
RESULTADOS
Resultados de Aprendizagem:
Ser capazes de construir um chatbot simples em Python, entender os conceitos básicos de
Processamento de Linguagem Natural, e aplicar noções de Linguística Aplicada em uma tarefa
prática. Além disso, eles devem compreender como realizar análise de sentimento em textos de
entrada.
5
Unidade: 4
Seção: 1
Roteiro
Aula Prática
PROCESSAMENTO DE LINGUAGEM NATURAL – NLP
ROTEIRO DE AULA PRÁTICA
NOME DA DISCIPLINA: PROCESSAMENTO DE LINGUAGEM NATURAL – NLP
Unidade: NLP E NEGÓCIOS
Seção: Ferramenta Python NLTK
OBJETIVOS
Definição dos objetivos da aula prática:
• Apresentar a biblioteca Python NLTK.
• Desenvolver um algoritmo simples de Processamento de Linguagem Natural (NLP) utilizando o
NLTK.
• Realizar uma aplicação prática do NLTK para análise de texto.
• Utilizar o ambiente IDLE (Python) para escrever e executar código.
SOLUÇÃO DIGITAL
• BIBLIOTECAS ESCRITAS EM IDLE(PYTHON)(NATURAL LANGUAGE TOOLKIT (NLTK)
(Biblioteca)
Bibliotecas escritas em IDLE(Python): Natural Language Toolkit (NLTK): Biblioteca para
processamento de linguagem natural em Python.
PROCEDIMENTOS PRÁTICOS
Procedimento/Atividade nº 1 (Virtual)
Atividade proposta:
Construção de um Algoritmo NLP com Python NLTK
Procedimentos para a realização da atividade:
Importante: Biblioteca NLTK instalada (use pip install nltk para instalá-la).
Passo 1: Instalando e Importando o NLTK
1. Abra o ambiente IDLE (ou Jupyter Notebook).
2
2. Abra um novo arquivo Python.
3. Importe o NLTK:
Passo 2: Tokenização de Texto
Insira o seguinte código para tokenizar um texto de exemplo:
Execute o código e observe a lista de tokens gerada.
Passo 3: Remoção de Stop Words
Adicione o código a seguir para remover stop words do texto:
Execute o código e observe a lista de tokens sem as stop words.
Passo 4: Análise de Frequência
Adicione o código a seguir para realizar uma análise de frequência dos tokens:
Execute o código e observe as palavras mais frequentes no texto.
Checklist:
• Instalou o NLTK e importou a biblioteca.
3
• Tokenizou um texto com sucesso.
• Removeu stop words do texto.
• Realizou uma análise de frequência das palavras.
RESULTADOS
Resultados de Aprendizagem:
Aprendeu a utilizar o Python NLTK para realizar tarefas de Processamento de Linguagem Natural,
incluindo tokenização, remoção de stop words e análise de frequência. Isso é fundamental para
a análise de texto e tarefas mais avançadas em NLP
Aula Prática Processamento de linguagem natural – NLP
