Classificador inteligente BERTimbau para pesquisa multi-stakeholder de mercado

• Processo: 21/13418-0
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de outubro de 2023
• Data de Término da vigência: 30 de junho de 2024
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Pedro Ernesto Pereira Paro
• Beneficiário: Pedro Ernesto Pereira Paro
• Empresa: Humanizadas Desenvolvimento de Software Ltda
• CNAE: Pesquisas de mercado e de opinião pública
• Município: Itu
• Pesquisadores associados: Bruno Tonet ; Rosival Rodrigues do Nascimento Neto
• Auxílio(s) vinculado(s): 24/13522-0 - Transformação Digital Sustentável: Inovações em IA para a Plataforma Humanizadas, AP.PIPE
• Bolsa(s) vinculada(s): 23/13887-5 - Planejamento e implementação de estrutura de Cloud Computing e frond-end Web para empresa de pesquisa multi-stakeholder de mercado., BP.TT; 23/12432-4 - Projeto e implementação de algoritmo de BERTimbau para empresa de pesquisa multi-stakeholder de mercado., BP.TT
• Assunto(s): Transferência de aprendizado de máquina Inteligência artificial Pesquisa de mercado Inquéritos e questionários Processamento de linguagem natural Análise de texto
• Palavra(s)-Chave do Pesquisador: Bert | BERTimbau | Classificador inteligente | Nlp | Transfer Learning | Transformers model | Inteligencia Artificial

Resumo

Empresas de pesquisa de mercado frequentemente apresentam questões dissertativas (abertas) em seus instrumentos e que precisam ser classificadas a fim de compor uma análise de resultados mais robusta. Para ganhar escalabilidade essas empresas necessitam automatizar o máximo possível esse processo para não depender totalmente da contratação de equipe especializada conforme o aumento de sua demanda. Algoritmos de inteligência artificial, particularmente NLP (Natural Language Processing), estão sendo utilizados para automatizar análises textuais, porém eles necessitam de uma grande quantidade de registros classificados previamente para serem eficientes. Empresas de pesquisa que tem pouco tempo de funcionamento (como Startups) dificilmente possuem a quantidade de dados suficiente para utilizar técnicas de NLP tradicionais. Recentemente foram desenvolvidas técnicas chamadas de Transformers model que se mostram como um modelo eficiente de redução de requisitos de dados e melhoria de desempenho das redes neurais. O modelo BERTimbau permite o uso de uma base genérica pré-treinada em português brasileiro que pode passar seus parâmetros para uma base menor para executar uma tarefa de NLP específica. Considerando esse cenário, pretende-se implantar quatro classificadores NLP para a análise de questões dissertativas para empresas de pesquisa de mercado. (AU)