Algoritmos Evolutivos para Anotação de Papéis Semânticos

• Processo: 12/07926-3
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de junho de 2012
• Data de Término da vigência: 31 de janeiro de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Zhao Liang
• Beneficiário: Murillo Guimarães Carneiro
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Inteligência computacional Aprendizado computacional Processamento de linguagem natural Algoritmos evolutivos
• Palavra(s)-Chave do Pesquisador: Algoritmos Evolutivos | Anotação de Papéis Semânticos | Aprendizado de Máquina | Evolução Diferencial | Processamento de Línguas Naturais | Inteligência Computacional

Resumo

Papéis semânticos representam as relações lógicas entre um evento e seus participantes. Anotação de papéis semânticos (APS) é o processo de extrair automaticamente estruturas de papéis semânticos que permitem a análise do significado das sentenças e provêm informações úteis na resolução de muitas tarefas do processamento de línguas naturais (PLN), como extração da informação, categorização e classificação de documentos, tradução de máquina, entre outras. Um problema em APS é que a maioria dos modelos são desenvolvidos para a língua inglesa, uma vez que existem poucas fontes de anotação para outras línguas, o que torna a exploração de APS para elas um grande desafio do PLN. Todavia, para a língua portuguesa, foi desenvolvido recentemente o PropBank.br cujo objetivo é preencher essa lacuna e diminuir a grande dificuldade na construção destes modelos. Contudo, os métodos da literatura para APS têm apresentado uma série de limitações relacionadas à baixa capacidade de generalização, baixa portabilidade entre fontes de anotação distintas, além do custo computacional cada vez mais elevado. Algoritmos Evolutivos (AEs) são métodos computacionais estocásticos de busca e otimização guiados pela simulação dos mecanismos de seleção natural e herança genética que manipulam uma população de possíveis soluções para um problema. Entre outras qualidades, eles são capazes de usufruir de arquiteturas paralelas, trabalhar em problemas com poucas informações e têm obtido bons resultados em várias aplicações. Dessa forma, este plano de pesquisa contempla a investigação e o desenvolvimento de métodos baseados em algoritmos evolutivos, como por exemplo, evolução diferencial, para a tarefa de anotação automática de papéis semânticos. Algumas aplicações de AEs em outras tarefas do PLN fornecem evidências de que este é um caminho promissor, uma vez que, a princípio, eles podem contribuir para a tarefa de APS tanto em termos de resultados quanto de desempenho computacional e podem obter, devido às características adaptativas que apresentam, generalização e portabilidade mais eficazes do que os métodos existentes. Neste contexto, para avaliar efetivamente o desempenho dos novos modelos serão realizados testes bastante conhecidos na literatura tais como precisão, cobertura e F1, considerando, principalmente, o corpus PropBank.br e também analisando o desempenho dos métodos criados em diferentes aplicações. Como resultado final, espera-se que a tese desenvolvida auxilie o estudo computacional dos papéis semânticos para a língua portuguesa e que os modelos elaborados possam ser utilizados em vários sistemas do PLN.

Publicações científicas

(6)

(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)

CARNEIRO, MURILLO GUIMARAES; ZHAO, LIANG. Organizational Data Classification Based on the Importance Concept of Complex Networks. IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, v. 29, n. 8, p. 3361-3373, AUG 2018. (13/07375-0, 12/07926-3, 15/50122-0)

CARNEIRO, MURILLO G.; CUPERTINO, THIAGO H.; CHENG, RAN; JIN, YAOCHU; ZHAO, LIANG; IEEE. Nature-Inspired Graph Optimization for Dimensionality Reduction. 2017 IEEE 29TH INTERNATIONAL CONFERENCE ON TOOLS WITH ARTIFICIAL INTELLIGENCE (ICTAI 2017), v. N/A, p. 7-pg., 2017-01-01. (11/50151-0, 12/07926-3, 13/07375-0)

CARNEIRO, MURILLO G.; ZHAO, LIANG; IEEE. Analysis of Graph Construction Methods in Supervised Data Classification. 2018 7TH BRAZILIAN CONFERENCE ON INTELLIGENT SYSTEMS (BRACIS), v. N/A, p. 6-pg., 2018-01-01. (13/07375-0, 15/50122-0, 12/07926-3)

CARNEIRO, MURILLO G.; ROSA, JOAO L. G.; ZHENG, QIUSHENG; LIU, XIAOMING; ZHAO, LIANG; LIU, Y; ZHAO, L; CAI, G; XIAO, G; LI, KL; et al. Improving Semantic Role Labeling Using High-Level Classification in Complex Networks. 2017 13TH INTERNATIONAL CONFERENCE ON NATURAL COMPUTATION, FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY (ICNC-FSKD), v. N/A, p. 7-pg., 2017-01-01. (13/07375-0, 11/50151-0, 12/07926-3)

CARNEIRO, MURILLO G.; CHENG, RAN; ZHAO, LIANG; JIN, YAOCHU. Particle swarm optimization for network-based data classification. NEURAL NETWORKS, v. 110, p. 243-255, FEB 2019. (15/50122-0, 13/07375-0, 12/07926-3)

CARNEIRO, MURILLO G.; ZHAO, LIANG; CHENG, RAN; JIN, YAOCHU; IEEE. Network Structural Optimization Based on Swarm Intelligence for Highlevel Classification. 2016 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2016-01-01. (13/07375-0, 11/50151-0, 12/07926-3)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

CARNEIRO, Murillo Guimarães. Redes complexas para classificação de dados via conformidade de padrão, caracterização de importância e otimização estrutural. 2016. Tese de Doutorado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.