Datasets:

rodrigoaraujorosa
/

detector-clickbait-br-datasets

license: mit
task_categories:
  - text-classification
tags:
  - text-classification
  - clickbait-detection
  - portuguese
  - sklearn
  - random-forest
language:
  - pt
size_categories:
  - 1K<n<10K

Detector Clickbait BR - Datasets

Este repositório contém os datasets utilizados para o treinamento do modelo detector-clickbait-br-model, um classificador de textos em português brasileiro capaz de identificar títulos clickbait.

📚 Descrição dos Datasets

1. `detector-clickbait-br-raw.csv`

Dataset original contendo os dados iniciais sem processamento.

Características:

Dados brutos coletados originalmente
Pode conter duplicatas
Pode conter valores nulos
Formato: CSV com colunas text e label

Estrutura:

text: Título ou texto a ser classificado
label: Classificação binária (0 = não-clickbait, 1 = clickbait)

2. `detector-clickbait-br-processed.csv`

Dataset processado e limpo, pronto para treinamento de modelos.

Características:

✅ Sem duplicatas
✅ Sem valores nulos
✅ Dados validados e limpos
✅ Features de engenharia extraídas
Formato: CSV com 12 colunas

Estrutura:

text: Título ou texto original a ser classificado
label: Classificação binária (0 = não-clickbait, 1 = clickbait)
exclamation_count: Contagem de pontos de exclamação
question_count: Contagem de pontos de interrogação
exclamation_presence: Presença de exclamação (0 ou 1)
question_presence: Presença de interrogação (0 ou 1)
char_count: Número de caracteres do texto
word_count: Número de palavras do texto original
text_processed: Texto processado (normalizado, sem stopwords)
text_processed_stemmed: Texto processado com stemming aplicado
label_texto: Label textual ("Não-Clickbait" ou "Clickbait")
processed_word_count: Número de palavras do texto processado

🎯 Uso

Estes datasets foram utilizados para treinar o modelo detector-clickbait-br, um classificador baseado em Random Forest que identifica títulos clickbait em português brasileiro.

Exemplo de Uso

import pandas as pd

# Carregar dataset processado
df = pd.read_csv('detector-clickbait-br-processed.csv')

print(f"Total de exemplos: {len(df)}")
print(f"Distribuição de classes:\n{df['label'].value_counts()}")

📝 Labels

0: Não-clickbait (título informativo e direto)
1: Clickbait (título sensacionalista ou enganoso)

Exemplos:

Não-clickbait (label=0):

"Banco Central mantém a taxa Selic em 13,75% ao ano."
"Estudo mostra que café pode melhorar a concentração matinal."

Clickbait (label=1):

"O pesadelo dos investidores: a decisão do Banco Central que vai destruir seus lucros!"
"Você bebe café? O que descobriram sobre ele vai te deixar em choque!"

Citação

BibTeX

@misc{detector-clickbait-br-datasets,
  author = {Rodrigo de Araujo Rosa},
  title = {Detector de Clickbait BR: Datasets utilizados no treinamento do Modelo de ML para Detecção de Clickbait em Português},
  year = {2025},
  publisher = {Hugging Face},
  journal = {Hugging Face Datasets Hub},
  howpublished = {\url{https://huggingface.co/datasets/rodrigoaraujorosa/detector-clickbait-br-datasets}}
}

APA

ROSA, Rodrigo de Araujo. (2025). Datasets utilizados no treinamento do Modelo de ML para Detecção de Clickbait em Português. Hugging Face Datasets Hub. https://huggingface.co/datasets/rodrigoaraujorosa/detector-clickbait-br-datasets

📄 Licença

MIT License - Uso livre para fins acadêmicos e comerciais.

Autores

Rodrigo de Araujo Rosa - Desenvolvedor & Mantenedor

Contato

Para dúvidas ou feedback: [email protected]