Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual

• Ano de defesa: 2017
• Autor(a) principal: Feitosa, David Barbosa
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Inteligência artificial; Linguagem natural; Linguística computacional
• Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/113786

Implicação Textual é um dos temas tratados pelo Processamento de Linguagem Natural, uma subárea da ciência da computação, inteligência artificial e da linguística. O foco da implicação textual é a verificação direcional da relação de similaridade entre dois fragmentos de texto que podem incluir aspectos sintáticos e semânticos. Muitos métodos automatizados para a tarefa de reconhecimento tem avançado em virtude das pesquisas e competições realizadas pela comunidade com o intuito de fomentar o avanço qualitativo de RTE (Recognizing Textual Entailment). Os desafios têm se tornado cada vez mais complexos em virtude das aplicações em que a implicação textual é usada como Resposta a Perguntas, Extração de Informação, Sumarização, Avaliação de Tradução por Máquina etc. Esta dissertação explora uma faixa de abordagens aplicada à tarefa de RTE, iniciando com as metodologias recentes utilizadas nas competições para a tarefa, assim como propõe um framework com abordagem híbrida para introduzir conhecimento semântico baseado em similaridade semântica textual, ou seja, aplicação de métricas de similaridade semântica entre os termos, gerando componentes semânticos - features - como entrada para um processo de aprendizagem automática. Além do framework, este trabalho analisa a sobreposição dos termos em dois corpus, ASSIN e SNLI, evidenciando o impacto da sobreposição na tarefa de RTE. Palavras-chave: Linguística Computacional. Inteligência Artificial. Processamento de Linguagem Natural. Implicação Textual. Tarefa de Reconhecimento de Implicação Textual. Língua Portuguesa.