Título: Compressão de Sentenças em Domínios com Pouca Disponibilidade de Dados Rotulados

Data: 21/10/2019

Horário: 17:00h

Local: Sala de Seminários - Bloco 952

Resumo:

Dia após dia, volumes gigantescos de dados são produzidos na Web. São grandes quantidades de vídeos, imagens e textos que armazenam informação de maneira não estruturada. Sistemas de sumarização de textos foram criados com o intuito facilitar a apresentação de grandes quantidades de dados textuais para usuários assim como para facilitar a recuperação de informações nesses tipos de dados. A tarefa de compressão de sentenças, por sua vez, surgiu da necessidade de melhorar a qualidade dos sumários gerados por esses sistemas. Este trabalho propõe um modelo de compressão de sentenças capaz de atingir resultados competitivos com uma quantidade de dados menor que outros modelos baseados em redes neurais aliado a um pipeline de processamento de sentenças que busca maximizar a ocorrência de sentenças com estruturas similares. Em domínios com pouca disponibilidade de dados de compressão de sentenças, modelos baseados em redes neurais tem grandes dificuldades de extrair todas as informações que eles precisam. Para melhorar a performance destes modelos neste cenário, é necessário que parte da informação seja extraída e adaptada antes de serem utilizadas para o treinamento. O trabalho compara o modelo proposto com outros modelos baseados em redes neurais e verifica que este se sai melhor em reproduzir as compressões de sentenças do dados de avaliação, com quantidades menores de dados de treinamento.

Banca:

• Prof. Dr. José Antonio Fernandes de Macêdo (MDCC/UFC - Orientador)
• Profª. Drª. Ticiana Linhares Coelho da Silva (UFC - Coorientadora)
• Prof. Dr. João Paulo Pordeus Gomes(MDCC/UFC)