rashomonRashomon · sobre
Quatro testemunhas, um crime
No filme de Kurosawa, cada testemunha conta o mesmo crime de um jeito. Aqui as testemunhas são a imprensa, as redes e o Congresso, e o crime é um nome.
O que é
O rashomon junta tudo o que se escreve sobre 27 figuras públicas do Brasil. Depois desenha as palavras que grudam em cada nome: quantas vezes aparecem, o quanto isso surpreende, quem escreveu e com que avaliação.
Ele não diz quem tem razão. Ele mostra que versões existem e deixa você ler os textos por trás de cada uma.
- pessoas acompanhadas
- 27
- fontes
- 10
- gráficos
- 5
- cópias de artigo guardadas
- 0
De onde vêm os textos
Um coletor por fonte. Cada um traz só o que a fonte entrega de propósito: o post, o resumo do feed, o título. Nenhum coletor abre a página de um artigo para copiá-la.
- Blueskyposts que citam a pessoa
- Google Newsbusca por nome, Brasil, pt-BR
- GDELT GKGnotícias do mundo, traduzidas, linhas em português
- GDELT DOCbusca de notícias do GDELT, fora da coleta diária
- RSSg1, Folha, Veja e Correio (política); CNN, Metrópoles, Poder360 e O Sul (site inteiro)
- Jurídicotribunais e imprensa jurídica
- Oficialassessorias de instituições
- Nichoimprensa partidária, investigativa e de checagem
- Câmararesumos de discursos de deputados
- Senadoresumos de discursos de senadores
Um texto guardado tem no máximo 20 000 caracteres. Um nome só conta quando aparece inteiro: “Leite” sozinho seria a bebida, por isso o site prefere nomes completos.
O modelo
Kikori, o lenhador
Kikori é o lenhador do filme: a testemunha em quem todos confiam, e que também mentiu. É o nome do modelo que dá uma nota para cada texto, de −10 (contra a pessoa) a +10 (a favor).
Pense num fiscal que lê uma frase e aponta: “isso fala mal dela”, “isso não fala nada”, “isso elogia”. O kikori faz isso com cada par pessoa + texto. O mesmo texto pode ganhar uma nota para uma pessoa e outra nota para outra, porque a pergunta é sempre “como esse texto trata essa pessoa?”.
Como uma nota nasce
- 1 · o par
[CLS] Tarcísio [SEP] Tarcísio fez um trabalho excelente [SEP]O nome vai na frente, o texto atrás. O modelo lê os dois juntos.
- 2 · a janela
256
pedaços de palavra, no máximo, somando o nome e o texto. Num texto longo, a janela fica em volta da primeira vez que o nome aparece. Um texto que não traz o nome manda o começo.
- 3 · três chances
- contra
- 0,183
- neutro
- 0,149
- a favor
- 0,668
O modelo divide 100% entre as três respostas.
- 4 · a nota
(0,668 − 0,183) × 10 = +4,9
A favor menos contra, vezes 10. Até −2,5 conta como contra; de +2,5 para cima, a favor.
A mesma frase, quatro nomes
Notas reais do kikori. Só o nome muda.
Elogio e frase neutra: o nome não muda nada. Ataque: com Lula, a mesma frase cai no neutro, colada no zero. O modelo aprendeu com textos em que Lula recebe mais elogios, e o nome virou uma pista. Por isso o site nunca compara a nota de uma pessoa com a de outra. Ele compara veículos falando da mesma pessoa: o viés é igual para todos eles, então a diferença entre veículos continua valendo.
O que ele mede
- O enquadramento, nos dois sentidos: adjetivos, ironia, deboche, elogio, ataque.
- Avaliações citadas. “Fulano chama o governo de máfia” pesa contra o governo, mesmo que o jornal só relate.
- O descrédito, só para baixo: “alvo da PF”, “acusado de”, “ligado ao escândalo” descem um pouco a nota, mesmo sem opinião no texto.
- Torcida. “Vou votar em você”, “LULA 13” sobem a nota.
O que ele não mede
- Se o texto diz a verdade.
- A política da pessoa, ou o lado de quem escreveu.
- O humor geral do texto.
- Parentes e aliados. Uma denúncia contra o filho não mexe na nota do pai, se o texto não fala do pai.
- Boas notícias contadas sem elogio. “Lidera pesquisa com 40%” é 0. Por isso a régua pende um pouco para o negativo, e pende igual para todo veículo.
Como ele aprendeu
O kikori parte do BERTimbau, um modelo que já lê português. Um modelo maior, o “professor”, leu milhares de pares e deu uma nota a cada um, seguindo um livro de regras escrito à mão. O kikori estudou essas notas. Quando uma pessoa conferiu o professor, concordou com ele em cerca de 73% dos casos.
- pares de treino
- 13 778
- pares de prova, nunca vistos
- 578
- acertos na prova
- 78%
- chutando sempre “neutro”
- 61%
- elogios encontrados
- 18 de 47
O ponto fraco é o elogio: na prova, ele achou 18 dos 47 textos a favor. Uma nota perto de zero pode ser um elogio que ele não viu.
Uma régua, não um juiz
Toda nota guarda a versão do modelo que a deu. Quando o kikori é treinado de novo, o site dá nota a tudo outra vez, em vez de misturar notas de dois modelos. Uma régua trocada no meio da medição estragaria a comparação entre veículos, que é o único uso honesto dela.
Como ler o gráfico da avaliaçãoO modelo no Hugging FaceO treino no GitHub
Três cuidados
- A avaliação carrega o nome. Compare veículos sobre a mesma pessoa, nunca pessoas entre si.
- A inclinação de um veículo é um julgamento com fontes, não um fato. Um veículo sem inclinação marcada é um que ninguém pesquisou ainda.
- Uma palavra conta textos, não repetições. Três “corrupto” no mesmo texto contam uma vez.
Código
Tudo é aberto: a coleta, a contagem, o modelo e as regras que ensinaram o modelo.
Sem dados fictícios em produção.Nenhuma cópia de artigo guardada.