paulohenriquevn/talkex-augmented-pt-br

TalkEx: Corpus Augmentado de Conversas de Atendimento ao Cliente em PT-BR

Corpus de 2.120 conversas multi-turno de atendimento ao cliente em português brasileiro, anotadas com 8 classes de intenção. Combina 676 conversas originais com 1.444 conversas sintéticas geradas via Claude Sonnet (Anthropic) para balanceamento de classes.

Uso rápido

from datasets import load_dataset

ds = load_dataset("paulohenriquevn/talkex-augmented-pt-br", split="train")
print(f"{len(ds)} conversas, {ds.column_names}")

# Filtrar apenas conversas reais
ds_real = ds.filter(lambda x: not x["_synthetic"])

# Filtrar por classe
ds_cancel = ds.filter(lambda x: x["intent"] == "cancelamento")

Composição

Origem	Conversas	Descrição
Originais	676	RichardSakaguchiMS/brazilian-customer-service-conversations (Apache 2.0)
Sintéticas	1.444	Geradas via Claude Sonnet (Anthropic) com prompting few-shot e validação de formato
Total	2.120	265 conversas por classe (perfeitamente balanceado)

Classes de intenção

Classe	Conversas	Descrição
cancelamento	265	Cliente quer cancelar produto, serviço ou contrato
reclamacao	265	Insatisfação, queixa, menção a órgãos de defesa (Procon, Anatel)
suporte_tecnico	265	Problemas técnicos, erros, falhas de conexão, configuração
compra	265	Intenção de compra, consulta de preço, pagamento
duvida_produto	265	Perguntas sobre especificações, características, compatibilidade
duvida_servico	265	Horário, prazo, política de troca, agendamento
saudacao	265	Cumprimento, início de conversa
elogio	265	Feedback positivo, agradecimento

Campos

Campo	Tipo	Descrição
conv_id	string	ID único. conv_XXXXX = original, syn_XXXXXX = sintética
text	string	Conversa completa com marcadores [customer] e [agent]
intent	string	Classe de intenção (uma das 8 acima)
sector	string	Setor do atendimento (ecommerce, telecom, saude, financeiro, imobiliario). Vazio para sintéticas
sentiment	string	Sentimento geral (positive, negative, neutral). Vazio para sintéticas
turns	int	Número de turnos na conversa
_synthetic	bool	True se gerada via LLM, False se original

Estatísticas

Métrica	Valor
Total de conversas	2.120
Originais / Sintéticas	676 (31,9%) / 1.444 (68,1%)
Classes	8 (perfeitamente balanceado: 265/classe)
Turnos por conversa	5–13 (mediana: 8)
Comprimento do texto	403–1.866 chars (mediana: 794)
Idioma	Português brasileiro (informal, com gírias e abreviações)
Setores (originais)	ecommerce, telecom, saúde, financeiro, imobiliário

Formato do texto

Cada conversa usa marcadores de falante:

[customer] Oi, quero cancelar meu plano de internet
[agent] Olá! Posso ajudar com isso. Pode me informar o motivo do cancelamento?
[customer] Tá muito caro e o serviço caiu várias vezes essa semana
[agent] Entendo sua insatisfação. Posso verificar se temos algum plano mais acessível para você
[customer] Não, prefiro cancelar mesmo
[agent] Sem problemas, vou processar o cancelamento. Estará efetivo em até 48h

Geração das conversas sintéticas

As conversas sintéticas foram geradas seguindo o protocolo descrito no projeto TalkEx:

1. Modelo: Claude Sonnet (Anthropic) via OpenRouter
2. Método: Prompting few-shot — 3 conversas reais por classe como exemplos
3. Validação: Cada conversa gerada foi verificada por:
   • Presença de marcadores [customer] e [agent]
   • Comprimento mínimo (50 caracteres)
   • Normalização de marcadores para lowercase
4. Balanceamento: Geradas apenas as conversas necessárias para atingir 265 por classe
5. Reprodutibilidade: temperature=0.9, batches de 10 conversas por chamada

Uso no projeto TalkEx

Este dataset é o corpus principal do projeto TalkEx: Uma Arquitetura Híbrida Cascateada para Classificação de Intenções em Conversas de Atendimento ao Cliente em Português Brasileiro.

O pipeline TalkEx processa este corpus em:

1. Segmentação de turnos ([customer]/[agent])
2. Janelas de contexto deslizantes (5 turnos, stride 2)
3. 397 features (384 embeddings + 7 lexicais + 4 estruturais + 2 regras)
4. Classificação com LightGBM (hiperparâmetros otimizados via Optuna)

Licença

• Conversas originais: Apache 2.0 (herdada do dataset original)
• Conversas sintéticas: Apache 2.0
• Dataset compilado: Apache 2.0

Citação

@misc{talkex2025,
  title        = {TalkEx: Uma Arquitetura H{\'{i}}brida Cascateada para Classifica{\c{c}}{\~{a}}o de Inten{\c{c}}{\~{o}}es em Conversas de Atendimento ao Cliente em Portugu{\^{e}}s Brasileiro},
  author       = {Le{\~{a}}o, Cau{\^{e}} Cavichioli and Nascimento, Paulo Henrique Vieira and Sousa, Suele Susan Feitosa},
  year         = {2025},
  note         = {Projeto de Pesquisa -- Centro de Compet{\^{e}}ncias Embrapii em Tecnologias Imersivas (AKCIT)},
  publisher    = {HuggingFace},
  howpublished = {\url{https://huggingface.co/datasets/paulohenriquevn/talkex-augmented-pt-br}},
}

Créditos

Autores

• Cauê Cavichioli Leão
• Paulo Henrique Vieira Nascimento
• Suele Susan Feitosa Sousa

Programa

Centro de Competências Embrapii em Tecnologias Imersivas (AKCIT) Projeto de Pesquisa — Trabalho de Conclusão de Curso Goiânia, 2025

Agradecimentos

• RichardSakaguchiMS pelo dataset original de conversas de atendimento ao cliente em PT-BR
• Anthropic pelo modelo Claude Sonnet utilizado na geração de dados sintéticos
• OpenRouter pela API de acesso ao modelo
• HuggingFace pela infraestrutura de hospedagem do dataset
• Google Colab pela infraestrutura computacional gratuita utilizada nos experimentos

Ferramentas e bibliotecas

Ferramenta	Versão	Uso
Python	3.11+	Linguagem principal
sentence-transformers	—	Geração de embeddings (paraphrase-multilingual-MiniLM-L12-v2)
LightGBM	—	Classificador supervisionado
Optuna	—	Otimização de hiperparâmetros
rank-bm25	—	Recuperação lexical (BM25 Okapi)
scikit-learn	—	Splits estratificados, métricas, LogisticRegression
SciPy	—	Testes estatísticos (Wilcoxon signed-rank)
datasets (HuggingFace)	—	Carregamento e publicação do dataset