Using a labeling function for automatic classification of agribusiness news: A weak supervisory approach

O grande volume de notícias geradas na internet têm aumentado o uso de aplicações com aprendizado de máquina. Modelos preditivos precisam de amostras rotuladas em grande quantidade e qualidade para garantir boa acurácia em tarefas de classificação. No entanto, a tarefas de rotular notícias é manual e demanda tempo do especialista de domínio. Neste trabalho, uma função é proposta para rotular notícias do agronegócio. Oscilações das séries de preços da soja no mercado nacional, internacional e cotação do dólar são a entrada para a função de rotulagem. Diferentes paradigmas de aprendizado e representações textuais são usadas na etapa de avaliação. Os modelos de linguagem neural demonstraram melhor desempenho e os resultados indicam que a proposta pode ser uma alternativa para aplicações de tempo real.