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

Página do item simplificado
dc.creatorGianlucca Lodron Zuin
dc.date.accessioned2019-08-12T05:00:34Z
dc.date.accessioned2025-09-09T00:29:20Z
dc.date.available2019-08-12T05:00:34Z
dc.date.issued2017-11-14
dc.identifier.urihttps://hdl.handle.net/1843/JCES-AVPH4J
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectRedes neurais (Computação)
dc.subjectComputação
dc.subjectAprendizado do computador
dc.subject.otherRedes Neurais Profundas
dc.subject.otherTransferência de Aprendizado
dc.subject.otherIntegração de Contexto
dc.subject.otherPergunta-Resposta
dc.subject.otherAdaptação de Domínio
dc.titleUso de adaptação de domínio e informação contextual em sistemas de pergunta-resposta
dc.typeDissertação de mestrado
local.contributor.advisor-co1Luiz Chaimowicz
local.contributor.advisor1Adriano Alonso Veloso
local.contributor.referee1Luiz Chaimowicz
local.contributor.referee1Agma Juci Machado Traina
local.contributor.referee1Nivio Ziviani
local.description.resumoGeralmente 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.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
gianluccazuin.pdf
Tamanho:
3.06 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Pós-Graduação em Ciência da Computação - Dissertações

Logo UFMG