Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Carvalho, Cecilia Silvestre
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Inteligência artificial
Linguagem natural
Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/129196
Resumo: Conhecimento de senso comum são informações que estão presentes no dia a dia das pessoas, são conhecimentos básicos sobre o mundo e normalmente não estão explícitos na comunicação ou escrita entre as pessoas. No contexto da área de Inteligência Artificial (IA), este conhecimento torna-se importante para sistemas que envolvem entendimento de linguagem natural (NLU), pois podem fornecer à máquina informações básicas que estão subentendidas no texto. O conhecimento de senso comum pode ser recuperado de bases de conhecimento (CSKB), por exemplo, a ConceptNet. Devido à grande quantidade de conhecimento presente nestas bases, é importante que a apreensão e integração destas informações seja feita de forma eficiente, pois nem todo conhecimento recuperado de uma base será útil para melhorar o desempenho de uma Tarefa-Alvo de NLU. Neste trabalho, é proposto um modelo genérico de aprendizado, chamado DeepCS, para integrar conhecimento de senso comum a diversas tarefas de entendimento de linguagem natural. O DeepCS tem como objetivo aprender, a partir de um conjunto de conhecimentos de senso comum, o conhecimento que melhor auxilia na realização de uma determinada tarefa-alvo. Além disso, o modelo aqui proposto deve ser generalizado de forma que possa ser acoplado em diferentes tarefas de Processamento de Linguagem Natural (PLN). O módulo DeepCS foi experimentado nas tarefas-alvo de Sistema de Diálogo, utilizando um corpus em português e outro em inglês, e para a tarefa de Classificação de Postura, com corpus em inglês. Os resultados indiciam melhora no desempenho das tarefas, quando do uso do DeepCS para língua portuguesa e este modelo pode ser usado em tarefas e conjuntos de dados diversos e distintos. Palavras-chave: Conhecimento de senso comum, Entendimento de Linguagem Natural, Sistema de Diálogo, Classificação de Texto.
id UFOR_1c7789e7c8ef43c814d4086b0910b9ee
oai_identifier_str oai::129196
network_acronym_str UFOR
network_name_str Biblioteca Digital de Teses e Dissertações da UNIFOR
repository_id_str
spelling Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem naturalInteligência artificialLinguagem naturalConhecimento de senso comum são informações que estão presentes no dia a dia das pessoas, são conhecimentos básicos sobre o mundo e normalmente não estão explícitos na comunicação ou escrita entre as pessoas. No contexto da área de Inteligência Artificial (IA), este conhecimento torna-se importante para sistemas que envolvem entendimento de linguagem natural (NLU), pois podem fornecer à máquina informações básicas que estão subentendidas no texto. O conhecimento de senso comum pode ser recuperado de bases de conhecimento (CSKB), por exemplo, a ConceptNet. Devido à grande quantidade de conhecimento presente nestas bases, é importante que a apreensão e integração destas informações seja feita de forma eficiente, pois nem todo conhecimento recuperado de uma base será útil para melhorar o desempenho de uma Tarefa-Alvo de NLU. Neste trabalho, é proposto um modelo genérico de aprendizado, chamado DeepCS, para integrar conhecimento de senso comum a diversas tarefas de entendimento de linguagem natural. O DeepCS tem como objetivo aprender, a partir de um conjunto de conhecimentos de senso comum, o conhecimento que melhor auxilia na realização de uma determinada tarefa-alvo. Além disso, o modelo aqui proposto deve ser generalizado de forma que possa ser acoplado em diferentes tarefas de Processamento de Linguagem Natural (PLN). O módulo DeepCS foi experimentado nas tarefas-alvo de Sistema de Diálogo, utilizando um corpus em português e outro em inglês, e para a tarefa de Classificação de Postura, com corpus em inglês. Os resultados indiciam melhora no desempenho das tarefas, quando do uso do DeepCS para língua portuguesa e este modelo pode ser usado em tarefas e conjuntos de dados diversos e distintos. Palavras-chave: Conhecimento de senso comum, Entendimento de Linguagem Natural, Sistema de Diálogo, Classificação de Texto.Common sense knowledge is information that is present in people¿s daily lives, and is basic knowledge about the world and is usually not explicit in communication or writing between people. In the context of the area of Artificial Intelligence (AI), this knowledge becomes important for systems that involve Natural Language Understanding (NLU), as they can provide the machine with basic information that is implied in the text. Common sense knowledge can be retrieved from knowledge bases (CSKB), for example ConceptNet. Due to the large amount of knowledge present in these bases, it is important that the acquisition and integration of this information is done efficiently, as not all knowledge retrieved from a base will be useful to improve the performance of an NLU Target Task. In this work, a generic learning model, called DeepCS, is proposed to integrate common sense knowledge to several NLU tasks. DeepCS aims to learn, from a set of common sense knowledge, the knowledge that best assists in performing a given target-task. Furthermore, the model, proposed here, must be generalized so that it can be coupled in different Natural Language Processing (NLP) tasks. The DeepCS module was tested in the Dialogue System target-tasks, using a corpus in Portuguese and another in English, and for the Stance Classification task, with a corpus in English. The results indicate an improvement in tasks performance, when using DeepCS, for Portuguese and this model can be used in different tasks and diversified datasets. Keywords: Common Sense knowledge, Natural Language Understanding, Dialogue System, Text ClassificationDissertação enviada com autorização e certificação via CI 5560/23 em 26/01/2023Pinheiro, Vladia Celia MonteiroFurtado, João José Vasco PeixotoCarvalho, Aline Marins PaesUniversidade de Fortaleza. Programa de Pós-Graduação em Informática AplicadaCarvalho, Cecilia Silvestre2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf88f.https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/129196https://uol.unifor.br/auth-sophia/exibicao/27824porreponame:Biblioteca Digital de Teses e Dissertações da UNIFORinstname:Universidade de Fortaleza (UNIFOR)instacron:UNIFORinfo:eu-repo/semantics/openAccess2024-06-19T11:54:42Zoai::129196Biblioteca Digital de Teses e Dissertaçõeshttps://www.unifor.br/bdtdONGhttp://dspace.unifor.br/oai/requestbib@unifor.br||bib@unifor.bropendoar:2024-06-19T11:54:42Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)false
dc.title.none.fl_str_mv Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural
title Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural
spellingShingle Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural
Carvalho, Cecilia Silvestre
Inteligência artificial
Linguagem natural
title_short Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural
title_full Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural
title_fullStr Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural
title_full_unstemmed Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural
title_sort Um modelo de aprendizado profundo de conhecimento de senso comum para tarefas de processamento de linguagem natural
author Carvalho, Cecilia Silvestre
author_facet Carvalho, Cecilia Silvestre
author_role author
dc.contributor.none.fl_str_mv Pinheiro, Vladia Celia Monteiro
Furtado, João José Vasco Peixoto
Carvalho, Aline Marins Paes
Universidade de Fortaleza. Programa de Pós-Graduação em Informática Aplicada
dc.contributor.author.fl_str_mv Carvalho, Cecilia Silvestre
dc.subject.por.fl_str_mv Inteligência artificial
Linguagem natural
topic Inteligência artificial
Linguagem natural
description Conhecimento de senso comum são informações que estão presentes no dia a dia das pessoas, são conhecimentos básicos sobre o mundo e normalmente não estão explícitos na comunicação ou escrita entre as pessoas. No contexto da área de Inteligência Artificial (IA), este conhecimento torna-se importante para sistemas que envolvem entendimento de linguagem natural (NLU), pois podem fornecer à máquina informações básicas que estão subentendidas no texto. O conhecimento de senso comum pode ser recuperado de bases de conhecimento (CSKB), por exemplo, a ConceptNet. Devido à grande quantidade de conhecimento presente nestas bases, é importante que a apreensão e integração destas informações seja feita de forma eficiente, pois nem todo conhecimento recuperado de uma base será útil para melhorar o desempenho de uma Tarefa-Alvo de NLU. Neste trabalho, é proposto um modelo genérico de aprendizado, chamado DeepCS, para integrar conhecimento de senso comum a diversas tarefas de entendimento de linguagem natural. O DeepCS tem como objetivo aprender, a partir de um conjunto de conhecimentos de senso comum, o conhecimento que melhor auxilia na realização de uma determinada tarefa-alvo. Além disso, o modelo aqui proposto deve ser generalizado de forma que possa ser acoplado em diferentes tarefas de Processamento de Linguagem Natural (PLN). O módulo DeepCS foi experimentado nas tarefas-alvo de Sistema de Diálogo, utilizando um corpus em português e outro em inglês, e para a tarefa de Classificação de Postura, com corpus em inglês. Os resultados indiciam melhora no desempenho das tarefas, quando do uso do DeepCS para língua portuguesa e este modelo pode ser usado em tarefas e conjuntos de dados diversos e distintos. Palavras-chave: Conhecimento de senso comum, Entendimento de Linguagem Natural, Sistema de Diálogo, Classificação de Texto.
publishDate 2022
dc.date.none.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/129196
url https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/129196
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://uol.unifor.br/auth-sophia/exibicao/27824
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
88f.
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UNIFOR
instname:Universidade de Fortaleza (UNIFOR)
instacron:UNIFOR
instname_str Universidade de Fortaleza (UNIFOR)
instacron_str UNIFOR
institution UNIFOR
reponame_str Biblioteca Digital de Teses e Dissertações da UNIFOR
collection Biblioteca Digital de Teses e Dissertações da UNIFOR
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)
repository.mail.fl_str_mv bib@unifor.br||bib@unifor.br
_version_ 1846365342182408192

Registros relacionados