Redes neurais profundas para alinhamento semântico e reconhecimento de implicação textual

• Processo: 16/02466-5
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 11 de abril de 2016
• Data de Término da vigência: 10 de abril de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Sandra Maria Aluísio
• Beneficiário: Erick Rocha Fonseca
• Supervisor: Bernardo Magnini
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Fondazione Bruno Kessler (FBK), Itália
• Vinculado à bolsa: 13/22973-0 - Inferência textual aplicada a Sistemas de Perguntas e Respostas, BP.DR
• Assunto(s): Processamento de linguagem natural Redes neurais (computação) Aprendizagem profunda
• Palavra(s)-Chave do Pesquisador: Alinhamento | Deep Learning | Inferência Textual | Processamento de Línguas Naturais | Redes neurais | Processamento de Língua Natural

Resumo

O Reconhecimento de Implicação Textual (RIT) é um tópico de crescente interesse na comunidade de Processamento de Línguas Naturais (PLN). A tarefa consiste em determinar se um trecho de texto pode ser inferido a partir de outro, considerando o entendimento de um leitor humano, e é útil para várias aplicações de PLN que lidam com textos oriundos de fontes diferentes. Recentemente, métodos baseados em long short-term memories (LSTM), um tipo de rede neural recorrente, alcançaram resultados estado-da-arte em um conjunto de dados de referência. No entanto, a pesquisa nesses métodos ainda é incipiente; não há concordância quanto a uma arquitetura que seja a melhor para a tarefa. Além disso, o conjunto no qual as LSTMs obtiveram seus melhores resultados é composto de sentenças simples, descrevendo cenas visuais, e não refletem um cenário representativo da língua humana em geral. Esta proposta de estágio visa estudar métodos de RIT, especialmente aqueles baseados em redes neurais, e investigar formas de incorporar mais conhecimento a eles para lidar com sentenças mais complexas, que podem ser encontradas em outros conjuntos de dados usados na comunidade de PLN. A capacidade de tais redes neurais para alinhar palavras e expressões de dois textos, que foi demonstrado ser muito promissora em pesquisas recentes, é um ponto de grande interesse para esta proposta. (AU)