decision-lord
Classificador leve de múltipla escolha (A/B/C/D) em português, treinado com TF-IDF + regressão logística. Funciona transformando cada pergunta + opção numa entrada de texto e escolhendo a opção com maior probabilidade.
Roda em CPU, sem GPU, usando pouquíssima RAM.
Como funciona
- Para cada pergunta, cada opção vira uma linha no formato:
pergunta: <pergunta> | opcao: <opção>, com rótulo 1 (correta) ou 0. - Um pipeline
TfidfVectorizer+LogisticRegressionaprende a pontuar. - Na hora de responder, testa as 4 opções e escolhe a de maior score.
Arquivos
| Arquivo | Para que serve |
|---|---|
dados.csv |
dataset de perguntas e opções (51 perguntas) |
train.py |
treina e salva modelo_abcd.joblib |
predict.py |
exemplo rápido de predição |
interactive.py |
menu interativo: adicionar perguntas, treinar e testar |
requirements.txt |
dependências |
Uso
pip install -r requirements.txt
python train.py # gera modelo_abcd.joblib
python predict.py # exemplo de resposta
python interactive.py # menu: adicionar pergunta, treinar, testar
import joblib
modelo = joblib.load("modelo_abcd.joblib")
def responder(pergunta, opcoes):
scores = {}
for letra, texto in opcoes.items():
entrada = f"pergunta: {pergunta} | opcao: {texto}"
scores[letra] = modelo.predict_proba([entrada])[0][1]
return max(scores, key=scores.get), scores
letra, scores = responder(
"Qual é a capital da França?",
{"A": "Londres", "B": "Paris", "C": "Roma", "D": "Madri"},
)
print(letra) # B
Como adicionar perguntas
Use o menu interativo (python interactive.py) ou edite dados.csv direto no
formato pergunta,opcao_a,opcao_b,opcao_c,opcao_d,correta. Depois retreine.
Dados
dados.csv com 51 perguntas de exemplo (204 amostras de treino no formato
pergunta+opção). Para melhorar a qualidade, adicione mais linhas — 200 a 500
perguntas já dão um salto grande.
Limitações
- Modelo baseado em padrões de texto (TF-IDF), não em compreensão semântica profunda. Generaliza pouco além do estilo das perguntas de treino.
- Não é um LLM: para perguntas abertas ou raciocínio complexo, use um modelo maior (ex.: BERTimbau) com fine-tuning em GPU.
Licença
Apache-2.0.