Busca avançada
Ano de início
Entree

Estruturas Lógicas em Argumentação

Processo: 19/26762-0
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Data de Início da vigência: 01 de março de 2023
Data de Término da vigência: 30 de setembro de 2024
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Fabio Gagliardi Cozman
Beneficiário:Paulo Pirozelli Almeida Silva
Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Assunto(s):Inferência   Inteligência artificial   Lógica   Processamento de linguagem natural
Palavra(s)-Chave do Pesquisador:Inferência | Inteligência Artificial | Lógica | Processamento de Linguagem Natural | Inteligência Artificial

Resumo

O objetivo desta pesquisa é desenvolver uma metodologia que permita detectar certos padrões de argumentação em textos, como modus ponens, modus tollens e silogismos. Para isto, combinarei recursos da lógica e da teoria da argumentação com técnicas da linguagem de processamento natural e modelos de redes neurais. A metodologia se baseará em aprendizado supervisionado, a ser treinado em dois corpus criados especialmente para essa tarefa: um com exemplos retirados de manuais de lógica e teoria da argumentação; e outro, composto de editoriais de jornais. Os documentos desse corpus terão marcações para as estruturas argumentativas típicas mencionadas, formalizadas tanto em cálculo proposicional quanto em lógica de primeira ordem. Em seguida, acrescentarei também informações de natureza sintática (as categorias lexicais) e semântica (embeddings). A ideia é desenvolver um modelo que permita identificar estes padrões de argumentação de maneira automática, e que possa, mais à frente, ser empregado na análise da forma e do conteúdo dos argumentos empregados na linguagem natural de maneira mais ampla, como por exemplo, em análises de literatura científica, debates políticos ou decisões judiciais.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
JOSE, MARCOS M.; CACAO, FLAVIO N.; RIBEIRO, MARIA F.; CHEANG, RAFAEL M.; PIROZELLI, PAULO; COZMAN, FABIO G.. Question Answering with Texts and Tables Through Deep Reinforcement Learning. INTELLIGENT SYSTEMS, BRACIS 2024, PT II, v. 15413, p. 15-pg., . (19/07665-4, 19/26762-0)
PIROZELLI, PAULO; JOSE, MARCOS M.; SILVEIRA, IGOR; NAKASATO, FLAVIO; PERES, SARAJANE M.; BRANDAO, ANAROSA A. F.; COSTA, ANNA H. R.; COZMAN, FABIO G.. Benchmarks for Pirá 2.0, a Reading Comprehension Dataset about the Ocean, the Brazilian Coast, and Climate Change. DATA INTELLIGENCE, v. 6, n. 1, p. 35-pg., . (19/07665-4, 19/26762-0)
NASCIMENTO ROCHA, VICTOR HUGO; SILVEIRA, IGOR CATANEO; PIROZELLI, PAULO; MAUA, DENIS DERATANI; COZMAN, FABIO GAGLIARDI. Assessing Good, Bad and Ugly Arguments Generated by ChatGPT: a New Dataset, its Methodology and Associated Tasks. PROGRESS IN ARTIFICIAL INTELLIGENCE, EPIA 2023, PT I, v. 14115, p. 13-pg., . (19/07665-4, 22/02937-9, 19/26762-0)