Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual
Made available in DSpace on 2019-03-30T00:08:54Z (GMT). No. of bitstreams: 0 Previous issue date: 2017-12-19 === Textual Entailment is one of the topics treated by Natural Language Processing, a subarea of computer science, artifical intelligence and linguistics. The focus of the textual entailmen...
Main Author: | |
---|---|
Other Authors: | |
Language: | Portuguese |
Published: |
Universidade de Fortaleza
2017
|
Subjects: | |
Online Access: | https://uol.unifor.br/oul/ObraBdtdSiteTrazer.do?method=trazer&ns=true&obraCodigo=104542 http://dspace.unifor.br/handle/tede/104542 |
id |
ndltd-IBICT-oai-dspace.unifor.br-tede-104542 |
---|---|
record_format |
oai_dc |
collection |
NDLTD |
language |
Portuguese |
sources |
NDLTD |
topic |
Inteligência artificial Linguagem natural Linguística computacional |
spellingShingle |
Inteligência artificial Linguagem natural Linguística computacional Feitosa, David Barbosa Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual |
description |
Made available in DSpace on 2019-03-30T00:08:54Z (GMT). No. of bitstreams: 0
Previous issue date: 2017-12-19 === Textual Entailment is one of the topics treated by Natural Language Processing, a
subarea of computer science, artifical intelligence and linguistics. The focus of the textual entailment is the directional verification of the similarity relation between two fragments of text that can include syntatic and semantic aspects. Many automated methods for the recognition task have been advanced by virtue of the research and competitions conducted by the community in order to advance the quality of RTE (Recognizing Text Entailment). Challenges have become increasingly complex because of applications where textual entailment is used as Questions and Answers, Information Extraction, Summarization, Machine Translation Evaluation, and so on. This dissertation explores a range of approaches applied to the RTE task, starting with the recent methodologies used in the competitions for the task and proposes a framework with a hybrid approach to introduce semantic knowledge based on textual semantic similarity, ie, application of semantic similarity metrics between terms, generating semantic components - features - for an automatic learning process. In addition to textit framework, this paper analyzes the overlap of terms in two corpus, ASSIN and SNLI, showing the impact of the overlap in the RTE task.
Keywords: Computational Linguistics. Artificial Intelligence. Natural Language Process-
ing. Textual Entailment. Recognizing Text Entailment Task. Portuguese Language. === 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. |
author2 |
Pinheiro, Vladia Celia Monteiro |
author_facet |
Pinheiro, Vladia Celia Monteiro Feitosa, David Barbosa |
author |
Feitosa, David Barbosa |
author_sort |
Feitosa, David Barbosa |
title |
Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual |
title_short |
Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual |
title_full |
Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual |
title_fullStr |
Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual |
title_full_unstemmed |
Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual |
title_sort |
análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual |
publisher |
Universidade de Fortaleza |
publishDate |
2017 |
url |
https://uol.unifor.br/oul/ObraBdtdSiteTrazer.do?method=trazer&ns=true&obraCodigo=104542 http://dspace.unifor.br/handle/tede/104542 |
work_keys_str_mv |
AT feitosadavidbarbosa analisedemedidasdesimilaridadesemanticanatarefadereconhecimentodeimplicacaotextual AT feitosadavidbarbosa analysisofsemanticsimilaritymeasuresinthetextualimplicationrecognitiontaskingles |
_version_ |
1719008973664813056 |
spelling |
ndltd-IBICT-oai-dspace.unifor.br-tede-1045422019-04-02T07:40:51Z Análise de medidas de similaridade semântica na tarefa de reconhecimento de implicação textual Analysis of Semantic Similarity Measures in the Textual Implication Recognition Task (Inglês) Feitosa, David Barbosa Pinheiro, Vladia Celia Monteiro Furtado, João José Vasco Peixoto Pinheiro, Vladia Celia Monteiro Claro, Daniela Barreiro Inteligência artificial Linguagem natural Linguística computacional Made available in DSpace on 2019-03-30T00:08:54Z (GMT). No. of bitstreams: 0 Previous issue date: 2017-12-19 Textual Entailment is one of the topics treated by Natural Language Processing, a subarea of computer science, artifical intelligence and linguistics. The focus of the textual entailment is the directional verification of the similarity relation between two fragments of text that can include syntatic and semantic aspects. Many automated methods for the recognition task have been advanced by virtue of the research and competitions conducted by the community in order to advance the quality of RTE (Recognizing Text Entailment). Challenges have become increasingly complex because of applications where textual entailment is used as Questions and Answers, Information Extraction, Summarization, Machine Translation Evaluation, and so on. This dissertation explores a range of approaches applied to the RTE task, starting with the recent methodologies used in the competitions for the task and proposes a framework with a hybrid approach to introduce semantic knowledge based on textual semantic similarity, ie, application of semantic similarity metrics between terms, generating semantic components - features - for an automatic learning process. In addition to textit framework, this paper analyzes the overlap of terms in two corpus, ASSIN and SNLI, showing the impact of the overlap in the RTE task. Keywords: Computational Linguistics. Artificial Intelligence. Natural Language Process- ing. Textual Entailment. Recognizing Text Entailment Task. Portuguese Language. 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. 2017-12-19 2019-03-30T00:08:54Z 2017-12-19 info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/masterThesis https://uol.unifor.br/oul/ObraBdtdSiteTrazer.do?method=trazer&ns=true&obraCodigo=104542 http://dspace.unifor.br/handle/tede/104542 por 5443571202788449035 500 500 -7645770940771915222 info:eu-repo/semantics/openAccess Universidade de Fortaleza Mestrado Em Informática Aplicada UNIFOR Brasil Centro de Ciências Tecnológicas reponame:Biblioteca Digital de Teses e Dissertações da UNIFOR instname:Universidade de Fortaleza instacron:UNIFOR |