✈️ Airline Sentiment Analysis

Análise de sentimentos em avaliações de companhias aéreas utilizando Processamento de Linguagem Natural (NLP) e Machine Learning.

Sobre o Projeto

Este projeto realiza análise automatizada de sentimentos em 5 mil avaliações de passageiros de companhias aéreas, permitindo identificar padrões de satisfação, insatisfação e principais pontos de melhoria no setor de aviação.

🎯 Objetivos

• Classificar automaticamente avaliações em positivas, negativas ou neutras
• Analisar a correlação entre sentimento detectado e nota atribuída pelo usuário
• Comparar desempenho de diferentes companhias aéreas
• Identificar padrões e tendências nas experiências dos passageiros

Tecnologias Utilizadas

• Python 3.13.0
• Transformers (Hugging Face) - Modelo DistilBERT multilíngue para classificação de sentimentos
• Pandas - Manipulação e análise de dados
• Plotly - Visualizações interativas
• Google Colab - Ambiente de desenvolvimento

Dataset

Fonte: Airline Reviews Dataset

• Total de avaliações: 23.171
• Amostra analisada: 5.000 avaliações (seleção aleatória)
• Idioma: Inglês
• Período: Avaliações históricas de múltiplas companhias aéreas

Modelo Utilizado

Modelo: lxyuan/distilbert-base-multilingual-cased-sentiments-student

• Baseado em DistilBERT (versão otimizada do BERT)
• Suporta múltiplos idiomas
• Fine-tuned para análise de sentimentos
• Retorna label (positive/negative/neutral) e score de confiança

Parâmetros:

• Max length: 512 tokens
• Truncation: True (para avaliações longas)

Análises Realizadas

✅ Concluídas

1. Distribuição de Sentimentos

   • Classificação de todas as avaliações em positivo/negativo/neutro
   • Visualização da proporção de cada categoria
   • Resultado: 63.7% negativas, 31.4% positivas, 4.9% neutras

2. Correlação: Nota vs Sentimento Detectado

   • Análise da relação entre a nota numérica (1-9) e o sentimento identificado pelo modelo
   • Heatmap mostrando distribuição cruzada
   • Insight: Forte correlação entre notas baixas (1-3) e sentimento negativo; notas altas (8-9) predominantemente positivas

Como Executar

Pré-requisitos

pip install pandas plotly transformers torch

Execução

1. Clone o repositório:

git clone https://github.com/httpsemilly/airline-sentiment-analysis.git
cd airline-sentiment-analysis

2. Execute o notebook no Google Colab ou Jupyter:

jupyter notebook "airline-sentiment-analysis.ipynb"

Estrutura do Projeto

airline-sentiment-analysis/
│
├── airline-sentiment-analysis.ipynb
├── airline_reviews.csv
├── results_with_sentiment.csv
├── images/                                       
│   ├── sentiment_distribution.png
│   └── rating_vs_sentiment.png
└── README.md

Próximos Passos

1. Dashboard Interativo: Desenvolvimento de aplicação Streamlit para exploração dinâmica dos dados
2. Análise por Companhia: Ranking de companhias aéreas por sentimento médio
3. Extração de Aspectos: Identificar quais aspectos específicos (comida, atendimento, pontualidade) geram mais insatisfação
4. Análise Temporal: Verificar se sentimentos melhoraram/pioraram ao longo do tempo
5. Comparação de Modelos: Testar outros modelos (BERT, RoBERTa) e comparar performance

Autor

Emilly Cavalcante

• GitHub: @httpsemilly
• LinkedIn: Emilly Cavalcante
• Email: emilly.menezescs@gmail.com

Licença

Este projeto está sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.

---

Status: 🚧 Em desenvolvimento ativo