Exportação concluída — 

Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Marques, Simone Dias
Orientador(a): Laipelt, Rita do Carmo Ferreira
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:
Recuperação da informação
Inteligência artificial
Palavras-chave em Inglês:
Artificial intelligence
Natural language processing
Neural language models
Information retrieval
Semantic similarity
Link de acesso: http://hdl.handle.net/10183/298135
Resumo: Os avanços recentes em modelos de linguagem neural têm ampliado as possibilidades de aplicação da Inteligência Artificial na área da Ciência da Informação, especialmente nos domínios da Organização da Informação e Recuperação da Informação. Esta dissertação analisa a aplicação de técnicas de Processamento de Linguagem Natural baseadas no modelo BERTimbau, na tarefa de Similaridade Textual Semântica (STS) com foco na recuperação da informação. A pesquisa tem caráter bibliográfico e exploratório, com o objetivo de compreender como modelos de linguagem baseados em redes neurais, especialmente BERT e BERTimbau, contribuem para a representação semântica de textos por meio de embeddings vetoriais capazes de captar relações contextuais entre termos. São discutidos os fundamentos teóricos desses modelos e apresentadas, de forma ilustrativa, algumas aplicações em tarefas de recuperação da informação que envolvem o uso de similaridade semântica. O estudo também discute abordagens atuais da busca semântica e da Inteligência Artificial para representação e organização do conhecimento em ambientes digitais, destacando potencialidades do uso deste modelo em repositórios científicos especializados. A investigação busca contribuir para o debate sobre o papel da Inteligência Artificial na Ciência da Informação, apresentando possibilidades de adoção de tecnologias baseadas em aprendizado profundo neste campo de conhecimento. Ao final, busca-se oferecer subsídios para futuras pesquisas na intersecção entre Processamento de Linguagem Natural, Organização do Conhecimento e Ciência da Informação, sinalizando caminhos possíveis para a integração destas tecnologias em sistemas de busca semântica.
id URGS_6ad0e581ea3e2ab3d9bfb329e247a770
oai_identifier_str oai:www.lume.ufrgs.br:10183/298135
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Marques, Simone DiasLaipelt, Rita do Carmo Ferreira2025-10-18T06:55:41Z2025http://hdl.handle.net/10183/298135001295634Os avanços recentes em modelos de linguagem neural têm ampliado as possibilidades de aplicação da Inteligência Artificial na área da Ciência da Informação, especialmente nos domínios da Organização da Informação e Recuperação da Informação. Esta dissertação analisa a aplicação de técnicas de Processamento de Linguagem Natural baseadas no modelo BERTimbau, na tarefa de Similaridade Textual Semântica (STS) com foco na recuperação da informação. A pesquisa tem caráter bibliográfico e exploratório, com o objetivo de compreender como modelos de linguagem baseados em redes neurais, especialmente BERT e BERTimbau, contribuem para a representação semântica de textos por meio de embeddings vetoriais capazes de captar relações contextuais entre termos. São discutidos os fundamentos teóricos desses modelos e apresentadas, de forma ilustrativa, algumas aplicações em tarefas de recuperação da informação que envolvem o uso de similaridade semântica. O estudo também discute abordagens atuais da busca semântica e da Inteligência Artificial para representação e organização do conhecimento em ambientes digitais, destacando potencialidades do uso deste modelo em repositórios científicos especializados. A investigação busca contribuir para o debate sobre o papel da Inteligência Artificial na Ciência da Informação, apresentando possibilidades de adoção de tecnologias baseadas em aprendizado profundo neste campo de conhecimento. Ao final, busca-se oferecer subsídios para futuras pesquisas na intersecção entre Processamento de Linguagem Natural, Organização do Conhecimento e Ciência da Informação, sinalizando caminhos possíveis para a integração destas tecnologias em sistemas de busca semântica.Recent advances in neural language models have expanded the possibilities for applying Artificial Intelligence in the field of Information Science, particularly in the domains of Information Organization and Information Retrieval. This research analyzes the use of Natural Language Processing techniques based on the BERTimbau model in the task of Semantic Textual Similarity (STS), with a focus on information retrieval. The research is bibliographic and exploratory in nature, aiming to understand how neural network-based language models, especially BERT and BERTimbau, contribute to the semantic representation of texts through vector embeddings capable of capturing contextual relationships between terms. The theoretical foundations of these models are discussed, and some illustrative applications in information retrieval tasks involving semantic similarity are presented. The study also discusses current approaches to semantic search and Artificial Intelligence for knowledge representation and organization in digital environments, highlighting the potential of this model for use in specialized scientific repositories. This investigation seeks to contribute to the debate on the role of Artificial Intelligence in Information Science, presenting possibilities for the adoption of deep learning-based technologies in this field. Ultimately, the research aims to provide a foundation for future studies at the intersection of Natural Language Processing, Knowledge Organization, and Information Science, pointing to possible paths for integrating these technologies into semantic search systems.application/pdfporRecuperação da informaçãoInteligência artificialArtificial intelligenceNatural language processingNeural language modelsInformation retrievalSemantic similarityModelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimentoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulFaculdade de Biblioteconomia e ComunicaçãoPrograma de Pós-Graduação em Ciência da InformaçãoPorto Alegre, BR-RS2025mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001295634.pdf.txt001295634.pdf.txtExtracted Texttext/plain283617http://www.lume.ufrgs.br/bitstream/10183/298135/2/001295634.pdf.txt347a9f1958b0c72e19500194082a77f4MD52ORIGINAL001295634.pdfTexto completoapplication/pdf2808552http://www.lume.ufrgs.br/bitstream/10183/298135/1/001295634.pdf0ce977534bc41a886bc53ff16c811074MD5110183/2981352025-10-23 06:55:43.416325oai:www.lume.ufrgs.br:10183/298135Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br || lume@ufrgs.bropendoar:18532025-10-23T09:55:43Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento
title Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento
spellingShingle Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento
Marques, Simone Dias
Recuperação da informação
Inteligência artificial
Artificial intelligence
Natural language processing
Neural language models
Information retrieval
Semantic similarity
title_short Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento
title_full Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento
title_fullStr Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento
title_full_unstemmed Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento
title_sort Modelos de linguagem neural na Recuperação da Informação : perspectivas de BERT e BERTimbau para a Organização do Conhecimento
author Marques, Simone Dias
author_facet Marques, Simone Dias
author_role author
dc.contributor.author.fl_str_mv Marques, Simone Dias
dc.contributor.advisor1.fl_str_mv Laipelt, Rita do Carmo Ferreira
contributor_str_mv Laipelt, Rita do Carmo Ferreira
dc.subject.por.fl_str_mv Recuperação da informação
Inteligência artificial
topic Recuperação da informação
Inteligência artificial
Artificial intelligence
Natural language processing
Neural language models
Information retrieval
Semantic similarity
dc.subject.eng.fl_str_mv Artificial intelligence
Natural language processing
Neural language models
Information retrieval
Semantic similarity
description Os avanços recentes em modelos de linguagem neural têm ampliado as possibilidades de aplicação da Inteligência Artificial na área da Ciência da Informação, especialmente nos domínios da Organização da Informação e Recuperação da Informação. Esta dissertação analisa a aplicação de técnicas de Processamento de Linguagem Natural baseadas no modelo BERTimbau, na tarefa de Similaridade Textual Semântica (STS) com foco na recuperação da informação. A pesquisa tem caráter bibliográfico e exploratório, com o objetivo de compreender como modelos de linguagem baseados em redes neurais, especialmente BERT e BERTimbau, contribuem para a representação semântica de textos por meio de embeddings vetoriais capazes de captar relações contextuais entre termos. São discutidos os fundamentos teóricos desses modelos e apresentadas, de forma ilustrativa, algumas aplicações em tarefas de recuperação da informação que envolvem o uso de similaridade semântica. O estudo também discute abordagens atuais da busca semântica e da Inteligência Artificial para representação e organização do conhecimento em ambientes digitais, destacando potencialidades do uso deste modelo em repositórios científicos especializados. A investigação busca contribuir para o debate sobre o papel da Inteligência Artificial na Ciência da Informação, apresentando possibilidades de adoção de tecnologias baseadas em aprendizado profundo neste campo de conhecimento. Ao final, busca-se oferecer subsídios para futuras pesquisas na intersecção entre Processamento de Linguagem Natural, Organização do Conhecimento e Ciência da Informação, sinalizando caminhos possíveis para a integração destas tecnologias em sistemas de busca semântica.
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-10-18T06:55:41Z
dc.date.issued.fl_str_mv 2025
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 http://hdl.handle.net/10183/298135
dc.identifier.nrb.pt_BR.fl_str_mv 001295634
url http://hdl.handle.net/10183/298135
identifier_str_mv 001295634
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/298135/2/001295634.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/298135/1/001295634.pdf
bitstream.checksum.fl_str_mv 347a9f1958b0c72e19500194082a77f4
0ce977534bc41a886bc53ff16c811074
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br || lume@ufrgs.br
_version_ 1854319305559113728

Registros relacionados