1. Repositório Institucional da UFMG
2. Trabalhos Acadêmicos
3. Dissertações e Teses
4. Pós-Graduação em Ciência da Computação
5. Dissertações de Mestrado

Type:	Dissertação de Mestrado
Title:	Uso de adaptação de domínio e informação contextual em sistemas de pergunta-resposta
Authors:	Gianlucca Lodron Zuin
First Advisor:	Adriano Alonso Veloso
First Co-advisor:	Luiz Chaimowicz
First Referee:	Luiz Chaimowicz
Second Referee:	Agma Juci Machado Traina
Third Referee:	Nivio Ziviani
Abstract:	Geralmente coletamos dados de diversas fontes para montarmos um Corpus adequado para o aprendizado de modelos multi-domínio de pergunta-resposta (QA). Este tipo de sistema requer que o modelo seja capaz de realizar compreensão de linguagem natural, o que implica na necessidade de grandes bases de dados. Uma maneira simples de aliviar a demanda de dados é restringir o domínio abordado pelo QA, levando assim à modelos específicos. Embora o aprendizado de modelos de QA em um único domínio ainda seja uma tarefa desafiadora devido à escassez de dados de treinamento suficientes no tema de interesse, podemos obter instâncias adicionais por meio de domínios relacionados. Este trabalho investiga abordagens de adaptação a fim de obter vários modelos especializados em cada domínio alternativamente a aprender um modelo único de amplo domínio. Demonstra-se ainda que isso pode ser alcançado estratificando-se uma base original, sem a necessidade de buscar dados adicionais ao contrário de outras abordagens da literatura. Este trabalho propõe uma rede neural que explora o uso conjunto de redes convolucionais e recorrentes. Características gerais dos temas são compartilhadas enquanto características específicas dos domínios são aprendidas. Isso permite realizar a adaptação dos modelos utilizando diversos tipos de domínio fonte. São consideradas diferentes abordagens de transferência e de divisão de domínios desenvolvidas para aprender modelos de QA tanto em nível de spans, quanto em nível de sentenças. Observou-se que a adaptação ao domínio resulta em ganhos de desempenho, em especial à nível de sentenças. Observou-se também que podemos ter um aumento considerável no desempenho do modelo baseado em spans ao utilizar a informação de contexto presente no QA de sentenças.
Subject:	Redes neurais (Computação) Computação Aprendizado do computador
language:	Português
Publisher:	Universidade Federal de Minas Gerais
Publisher Initials:	UFMG
Rights:	Acesso Aberto
URI:	http://hdl.handle.net/1843/JCES-AVPH4J
Issue Date:	14-Nov-2017
Appears in Collections:	Dissertações de Mestrado

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.