📚 Classificação de Artigos Científicos usando o Título do Artigo e Metadados com ML Tradicional

📌 Visão Geral do Projeto

Este projeto tem como objetivo aplicar algoritmos tradicionais de aprendizado de máquina para a classificação de artigos científicos, utilizando diferentes versões de conjuntos de dados textuais. Os modelos são treinados com base em títulos de artigos, podendo ou não incluir metadados adicionais, e são avaliados em datasets balanceados e desbalanceados.

⚙️ Abordagens Utilizadas

• Entrada textual:

  • Apenas títulos dos artigos
  • Títulos + metadados (como ano, número de autores e pontuação no título)

• Balanceamento:

  • Dataset balanceado
  • Dataset desbalanceado

• Modelos testados:

  • 9 algoritmos tradicionais de aprendizado de máquina

🧠 Modelos Implementados

Modelo	Tipo	Biblioteca
Regressão Logística	Linear	scikit-learn
Linear SVC	Máquinas de Vetores	scikit-learn
SGDClassifier	Gradiente Estocástico	scikit-learn
MultinomialNB	Naive Bayes	scikit-learn
Random Forest	Ensemble	scikit-learn
Gradient Boosting	Boosting	scikit-learn
XGBoost	Boosting	xgboost
LightGBM	Boosting	lightgbm
MLPClassifier	Rede Neural (MLP)	scikit-learn

🧰 Tecnologias Utilizadas

Linguagem

• Python 3.8+

Principais Bibliotecas

# Machine Learning
scikit-learn==1.0.2
xgboost==1.5.1
lightgbm==3.3.2

# Manipulação de Dados
pandas==1.3.5
numpy==1.21.6

# Visualização
matplotlib==3.5.1
seaborn==0.11.2

# Ambiente de Desenvolvimento
jupyter==1.0.0
spacy==3.2.1
nltk==3.6.3