Análise de Intenção em Conjuntos de Dados Pequenos: Comparação do Desempenho do Naive Bayes e do BERT

A análise de intenção textual tem se tornado uma área de grande interesse, especialmente em setores especializados, como o de petróleo e gás, onde a precisão na interpretação de textos técnicos é fundamental. Este trabalho compara o desempenho dos modelos Naive Bayes e BERT na classificação de intenções em dados específicos desse setor. O modelo BERT (Bidirectional Encoder Representations from Transformers), por ser baseado em aprendizado profundo e pré-treinado em grandes volumes de dados, apresenta vantagens na captura de dependências contextuais complexas. Já o Naive Bayes, por sua abordagem probabilística, oferece uma solução mais leve e eficiente computacionalmente. A partir de experimentos realizados sobre um conjunto de dados do setor, analisamos métricas como acurácia, precisão e recall para avaliar a eficácia de cada abordagem. Os resultados demonstram que o modelo BERT supera o Naive Bayes em termos de desempenho, especialmente em cenários com maior ambiguidade linguística, embora o Naive Bayes ainda se apresente como uma alternativa viável para aplicações com restrições computacionais.