Uso de adaptação de domínio e informação contextual em sistemas de pergunta-resposta

Gianlucca Lodron Zuin

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/JCES-AVPH4J

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Adriano Alonso Veloso	pt_BR
dc.contributor.advisor-co1	Luiz Chaimowicz	pt_BR
dc.contributor.referee1	Luiz Chaimowicz	pt_BR
dc.contributor.referee2	Agma Juci Machado Traina	pt_BR
dc.contributor.referee3	Nivio Ziviani	pt_BR
dc.creator	Gianlucca Lodron Zuin	pt_BR
dc.date.accessioned	2019-08-12T05:00:34Z	-
dc.date.available	2019-08-12T05:00:34Z	-
dc.date.issued	2017-11-14	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/JCES-AVPH4J	-
dc.description.resumo	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.	pt_BR
dc.language	Português	pt_BR
dc.publisher	Universidade Federal de Minas Gerais	pt_BR
dc.publisher.initials	UFMG	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Redes Neurais Profundas	pt_BR
dc.subject	Transferência de Aprendizado	pt_BR
dc.subject	Integração de Contexto	pt_BR
dc.subject	Pergunta-Resposta	pt_BR
dc.subject	Adaptação de Domínio	pt_BR
dc.subject.other	Redes neurais (Computação)	pt_BR
dc.subject.other	Computação	pt_BR
dc.subject.other	Aprendizado do computador	pt_BR
dc.title	Uso de adaptação de domínio e informação contextual em sistemas de pergunta-resposta	pt_BR
dc.type	Dissertação de Mestrado	pt_BR
Appears in Collections:	Dissertações de Mestrado

Files in This Item:

File	Description	Size	Format
gianluccazuin.pdf		3.14 MB	Adobe PDF	View/Open

Show simple item record