Expansão de córpus para detecção de posicionamentos em textos

• Ano de defesa: 2023
• Autor(a) principal: Pereira, Camila Farias Pena
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Córpus expansion; Deteccão de posicionamentos; Expansão de córpus; Natural Language Processing; Processamento de Línguas Naturais; Stance deteccion
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-24052023-121357/

A classificação de posicionamentos é uma tarefa de Processamento de Língua Natural (PLN) que objetiva identificar a atitude expressa em um texto em relação a um tópico escolhido. De forma geral, essa classificação é feita entre favorável ou contrário ao tópico, mas também pode incluir outros rótulos como ``neutro\'\' ou ``ambíguo\'\'. A tarefa ganhou relevância com a intensificação do uso das redes sociais. Em especial, houve um aumento no número de estudos com a disponibilização de conjuntos de dados rotulados, principalmente no idioma inglês. Como a maior parte das pesquisas em classificação de posicionamentos é baseada em métodos supervisionados, a oferta de conjuntos de dados anotados é um recurso imprescindível para possibilitar o avanço da área em outros idiomas. Uma das barreiras a serem superadas é o custo de anotação dos dados. Este trabalho visa, como primeira tarefa, construir um córpus em português rotulado manualmente com informações de posicionamentos, tarefa feita em colaboração com o time de pesquisa em que este trabalho está inserido. Em seguida, utilizar o córpus construído para treinar modelos de detecção de posicionamento com diferentes métodos computacionais. Por fim, expandir o córpus com o uso de métodos de expansão de dados já aplicados à tarefa de análise de sentimentos combinados com modelos de língua pré-treinados do tipo BERT. O conjunto resultante foi avaliado com métodos intrínsecos e avaliação humana, tendo alcançado resultados de medida F1 próximos aos gerados com o conjunto original.