Representações semanticamente enriquecidas para mineração de textos em português: modelos e aplicações

• Processo: 19/25010-5
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Vigência: 01 de novembro de 2020 - 30 de abril de 2023
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Solange Oliveira Rezende
• Beneficiário: Solange Oliveira Rezende
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores associados: Alípio Mário Guedes Jorge ; Bruno Magalhães Nogueira ; Camila Vaccari Sundermann ; Marcos Aurelio Domingues ; Rafael Geraldeli Rossi ; Ricardo Marcondes Marcacini ; Roberta Akemi Sinoara ; Veronica Oliveira de Carvalho
• Assunto(s): Fake news Mapas conceituais Mineração de texto Semântica Sistemas de recomendação Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Fake news | Mapas conceituais | Mineração de Textos | Representação de Textos | semântica | sistemas de recomendação | Inteligência Artificial

Resumo

Com a crescente geração e disponibilização de textos, seja internamente nas organizações ou na Web, técnicas de Mineração de Textos têm se tornado essenciais no apoio à análise e extração de conhecimento desses dados. Independentemente da aplicação ou técnica utilizada, o tratamento semântico dos textos é um grande desafio do processo de mineração. Esse desafio é ainda maior quando se considera textos escritos no idioma português, visto as particularidades do idioma e o limitado volume de recursos e pesquisas desenvolvidas. Nesse contexto, este projeto visa avançar as pesquisas da área de Mineração de Textos, com foco no idioma português, e disseminar o conhecimento da área por meio da aplicação em diferentes problemas do mundo real. Assim, serão investigados e propostos modelos de representação de textos semanticamente enriquecidos, abordando tanto representações no modelo espaço-vetorial quanto representações em rede, bem como sua aplicação no aprendizado baseado em uma única classe. Para viabilizar a pesquisa, coleções de textos escritos em português serão coletadas, preparadas e caracterizadas, disponibilizando à comunidade informações consolidadas sobre coleções rotuladas e disponibilizadas para pesquisa. Por fim, as representações semanticamente enriquecidas serão avaliadas e aplicadas em diferentes problemas práticos de Mineração de Textos, como análise de sentimentos, sistemas de recomendação, detecção de notícias falsas, descoberta baseada em literatura e mineração de eventos. (AU)

Publicações científicas

(13)

(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)

PEGORARO SANTANA, IGOR ANDRE; DOMINGUES, MARCOS AURELIO. CONTEXT-AWARE MUSIC RECOMMENDATION WITH METADATA AWARENESS AND RECURRENT NEURAL NETWORKS. COMPUTING AND INFORMATICS, v. 41, n. 3, p. 27-pg., 2022-01-01. (19/25010-5)

GONZAGA, VICTOR MACHADO; MURRUGARRA-LLERENA, NILS; MARCACINI, RICARDO; ACM. Multimodal intent classification with incomplete modalities using text embedding propagation. PROCEEDINGS OF THE 27TH BRAZILIAN SYMPOSIUM ON MULTIMEDIA AND THE WEB (WEBMEDIA '21), v. N/A, p. 4-pg., 2021-01-01. (19/07665-4, 19/25010-5)

ARAUJO, ADAILTON F.; GOLO, MARCOS P. S.; MARCACINI, RICARDO M.. Opinion mining for app reviews: an analysis of textual representation and predictive models. AUTOMATED SOFTWARE ENGINEERING, v. 29, n. 1, MAY 2022. (19/25010-5, 19/07665-4)

GOLO, MARCOS P. S.; ARAUJO, ADAILTON F.; ROSSI, RAFAEL G.; MARCACINI, RICARDO M.. Detecting relevant app reviews for software evolution and maintenance through multimodal one-class learning. INFORMATION AND SOFTWARE TECHNOLOGY, v. 151, p. 12-pg., 2022-07-14. (19/25010-5)

RODRIGUES MATTOS, JOAO PEDRO; MARCACINI, RICARDO M.; BAILEY, J; MIETTINEN, P; KOH, YS; TAO, D; WU, X. Semi-Supervised Graph Attention Networks for Event Representation Learning. 2021 21ST IEEE INTERNATIONAL CONFERENCE ON DATA MINING (ICDM 2021), v. N/A, p. 6-pg., 2021-01-01. (19/25010-5, 19/07665-4)

ALVES DE LIMA, VITOR MESAQUE; DE ARAUJO, ADAILTON FERREIRA; MARCACINI, RICARDO MARCONDES. Temporal dynamics of requirements engineering from mobile app reviews. PEERJ COMPUTER SCIENCE, v. 7, p. 26-pg., 2022-03-15. (19/25010-5, 19/07665-4)

STEVE ATAUCURI CRUZ, LORD FLAUBERT; SILVA, DIEGO FURTADO; WANI, MA; SETHI, I; SHI, W; QU, G; RAICU, DS; JIN, R. Financial Time Series Forecasting Enriched with Textual Information. 20TH IEEE INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS (ICMLA 2021), v. N/A, p. 6-pg., 2021-01-01. (19/25010-5)

DO CARMO, PAULO; MARCACINI, RICARDO; CHEN, Y; LUDWIG, H; TU, Y; FAYYAD, U; ZHU, X; HU, X; BYNA, S; LIU, X; et al. Embedding propagation over heterogeneous event networks for link prediction. 2021 IEEE INTERNATIONAL CONFERENCE ON BIG DATA (BIG DATA), v. N/A, p. 10-pg., 2021-01-01. (19/25010-5, 19/07665-4)

SANTOS, BRUCCE NEVES DOS; MARCACINI, RICARDO MARCONDES; REZENDE, SOLANGE OLIVEIRA. Multi-Domain Aspect Extraction Using Bidirectional Encoder Representations From Transformers. IEEE ACCESS, v. 9, p. 91604-91613, 2021. (19/25010-5, 19/07665-4)

GOLO, MARCOS PAULO SILVA; DE SOUZA, MARIANA CARAVANTI; ROSSI, RAFAEL GERALDELI; REZENDE, SOLANGE OLIVEIRA; NOGUEIRA, BRUNO MAGALHAES; MARCACINI, RICARDO MARCONDES. One-class learning for fake news detection through multimodal variational autoencoders. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, v. 122, p. 23-pg., 2023-03-11. (19/25010-5)

DE SOUZA, MARIANA CARAVANTI; NOGUEIRA, BRUNO MAGALHAES; ROSSI, RAFAEL GERALDELI; MARCACINI, RICARDO MARCONDES; DOS SANTOS, BRUCCE NEVES; REZENDE, SOLANGE OLIVEIRA. A network-based positive and unlabeled learning approach for fake news detection. MACHINE LEARNING, NOV 2021. (19/25010-5)

REIS FILHO, IVAN J.; MARTINS, LUIZ H. D.; PARMEZAN, ANTONIO R. S.; MARCACINI, RICARDO M.; REZENDE, SOLANGE O.; XAVIER-JUNIOR, JC; RIOS, RA. Sequential Short-Text Classification from Multiple Textual Representations with Weak Supervision. INTELLIGENT SYSTEMS, PT I, v. 13653, p. 15-pg., 2022-01-01. (19/07665-4, 19/25010-5)

DE MORAES JUNIOR, MARCELO ISAIAS; MARCACINI, RICARDO MARCONDES; IEEE. On the Use of Aggregation Functions for Semi-Supervised Network Embedding. 2023 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS, IJCNN, v. N/A, p. 8-pg., 2023-01-01. (22/09091-8, 19/25010-5, 19/07665-4)