Aquisição de Conhecimento de Senso Comum e Inferencialista
|
|
- Amanda Maranhão Castro
- 7 Há anos
- Visualizações:
Transcrição
1 Aquisição de Conhecimento de Senso Comum e Inferencialista Vládia Pinheiro 1, Vasco Furtado 1, Tarcísio Pequeno 1, Wellington Franco 1 1 Universidade de Fortaleza (UNIFOR) Av. Washington Soares, Fortaleza CE Brasil {vladiacelia,vasco,tarcisio}@unifor.br, jwellingtonfranco@gmail.com Abstract. This paper presents a semi-automated method for the acquisition of common sense and inferentialist concepts in Portuguese. Its innovative feature is a module of reasoning over the existing knowledge that aims to offer original content to the user helping in the expression of semantic relationships and validation of new concepts. This reasoning process is based on heuristics and syntactic analysis of noun phrases. A qualitative evaluation with users who interacted with the system built on the proposed method showed that the interactions made in the process of AC are more productive since the user is reminded about semantic relations and common sense about the new concept. Resumo. Este artigo apresenta um método semi-automático para aquisição de conceitos (AC) de senso comum e inferencialista na língua portuguesa. O método tem como diferencial um módulo de raciocínio sobre conhecimento preexistente que visa oferecer ao usuário conteúdo inicial que o ajude a externar e a validar relações semânticas de novos conceitos. Esse processo de raciocínio se baseia em heurísticas e na análise sintática de sintagmas nominais. Uma avaliação qualitativa com usuários que interagiram com o sistema, construído com base no método proposto, indicou que as interações realizadas no processo de AC são mais produtivas visto que o usuário é lembrado e instigado sobre relações semânticas de senso comum acerca do novo conceito. 1. Introdução Conhecimento de senso comum consiste em fatos e conhecimentos espaciais, físicos, sociais, temporais e psicológicos, possuídos pela maioria das pessoas, os quais são frutos da experiência da vida diária [Anacleto et al. 2007] [Liu e Singh 2004]. Muitas vezes, este conhecimento trata-se de um conjunto de suposições implícitas e básicas que suportam e explicam raciocínios necessários para realização de tarefas inteligentes por computadores (p.ex. entendimento de textos em língua natural). Por exemplo, quando alguém fala Eu comprei doces, está implícito que usou dinheiro; que o efeito de cair de uma moto é você se machucar; que objetos rolam de superfícies inclinadas; que políticos se envolvem com casos de corrupção e escândalos. Especialmente na área de Processamento de Linguagem Natural (PLN), há o consenso de que a compreensão de textos por sistemas computacionais depende tanto de conhecimento de mundo como de conhecimento linguístico [Kay 2003, p.19]. No entanto, um dos desafios das pesquisas desta área é a falta de recursos semânticolinguísticos que expressem conhecimento de mundo para suportar tarefas como extração 40 Proceedings of the 8th Brazilian Symposium in Information and Human Language Technology, pages 40 48, Cuiabá, MT, Brazil, October 24 26, c 2011 Sociedade Brasileira de Computação
2 de informações, recuperação de informação, sistemas de perguntas e respostas, dentre outras. Este desafio é ainda maior quando consideramos a língua portuguesa [Pardo, Caseli e Nunes 2009]. Neste sentido, o recurso InferenceNet [Pinheiro et al. 2010] foi construído contendo relações semânticas de senso comum e inferencialistas sobre conceitos e sentenças, os quais são expressos em língua portuguesa e língua inglesa. As bases semânticas do recurso InferenceNet foram construídas de acordo com o Modelo Semântico Inferencialista (SIM) [Pinheiro 2010] e expressam o caráter pragmático da língua natural através de precondições e consequências do uso de conceitos e sentenças. Assim como acontece com outras bases semânticas, uma dificuldade é garantir uma evolução contínua do recurso linguístico InferenceNet de forma eficaz e com a tempestividade que as aplicações exigem. Métodos de aquisição de conhecimento (AC) automáticos, embora largamente usados em PLN [Che et al. 2009] [Baker et al. 2007], não se mostram eficazes para capturar conhecimento tácito e de senso comum, pois este conhecimento não é comumente derivável das propriedades estruturais e gramaticais de textos disponíveis em corpus linguísticos [Kay 2003]. De outro lado, métodos de AC semi-automáticos tradicionais (baseados em modelos), por exemplo os adotados no projeto OMCS [Singh et al. 2002] e OMCS-Br [Anacleto et al. 2006], enfrentam dificuldades em capturar conhecimento de senso comum e pragmático de usuários. Uma dificuldade advém do fato de que as pessoas possuem estes tipos de conhecimento (de senso comum e pragmático), mas não sabem explicitá-lo; o conhecimento está tão arraigado na mente das pessoas que é difícil lembrar e mais ainda externá-lo por meio de relações semânticas estruturadas. Outra questão é que mesmo quando o fazem é difícil garantir a consistência com conceitos já existentes, evitando a duplicação de conteúdo e fortalecendo a conexão da rede semântica. Neste trabalho, propomos um método de AC semi-automático sobre conceitos de uma língua natural. O diferencial do método proposto é um processo de raciocínio sobre conhecimento preexistente que visa oferecer ao usuário uma base inicial que o ajude a externar e a validar relações semânticas para o novo conceito. O processo de raciocínio se baseia em heurísticas para geração de conteúdo semântico e que são definidas conforme a estrutura gramatical dos nomes dos novos conceitos a serem adquiridos. Por exemplo, para adquirir o conteúdo conceitual de crime passional é usada uma estratégia específica para a estrutura gramatical <nome> <adjetivo>, a qual aproveita o conhecimento semântico preexistente dos conceitos crime e passional ou de crime e paixão. Além disso, o método prevê um processo interativo que privilegia uma melhor precisão na captura e validação das relações semânticas por parte do usuário. O método de AC proposto neste artigo foi implementado e avaliado para a base conceitual bilíngue da InferenceNet. 2. Método de Aquisição de Conhecimento de Senso Comum e Inferencialista O método de AC proposto consiste em um raciocínio heurístico aplicado sobre conteúdo conceitual preexistente e relacionado, o qual gera uma base inicial de conhecimento para o novo conceito. O método possibilita, adicionalmente, um processo interativo com o usuário que pode incluir novas relações inferenciais e de senso comum e excluir relações propostas, encerrando um mecanismo de validação do valor semântico do novo conceito. 41
3 2.1. Heurísticas As heurísticas são responsáveis pela geração e proposição do conteúdo semântico para a expressão linguística de entrada EXP, a qual nomeia o novo conceito a ser adquirido. De acordo com a estrutura gramatical de EXP, um conjunto de heurísticas busca conteúdo semântico relacionado em uma base de conhecimento preexistente (p.ex.: InferenceNet, OMCS-Br etc.) e gera novas relações semânticas, as quais servem de base para validação pelo usuário e, em seguida, para definição do conteúdo do novo conceito. Nesse artigo, as heurísticas propostas contemplam apenas os sintagmas nominais por estes serem normalmente usados para denominar as coisas do mundo e, por isso, serem primordialmente usados para nomear conceitos da língua natural. A Tabela 1 apresenta as estruturas gramaticais de sintagmas nominais, contempladas pelas heurísticas. Tabela 1. Principais estruturas gramaticais de sintagmas nominais Estrutura do Sintagma Nominal EXP <nome> <nome> <adjetivo> <adjetivo> <nome> <adjetivo 1 > <nome> <adjetivo 2 > Exemplos vingança, pistolagem crime passional, impunidade penal má urbanização má iluminação pública 1) <nome> ou <adjetivo> quando EXP não é encontrada na base conceitual, é apresentado para o usuário um conjunto de conceitos preexistentes na base, os quais são: (i) semanticamente relacionados (p.ex. sinônimos); (ii) nomeados com o mesmo radical de <nome> ou <adjetivo>; (ii) nomeados com a forma primitiva de <nome>; (iv) substantivos relacionados a <adjetivo>. Por exemplo, para a expressão linguística torcedor, a heurística apresentaria os conceitos fã, torcida e torcer. Para a palavra passional, a heurística apresentaria o conceito paixão. Em seguida, o usuário seleciona qual, dentre os conceitos apresentados, pode ser usado como base para aquisição do novo conceito. A heurística retorna uma lista de relações semânticas do conceito selecionado, previamente contidas na base. 2) <nome> <adjetivo> ou <adjetivo> <nome> nestes casos, <nome> é caracterizado por <adjetivo>, indicando-lhe atributo, propriedade, estado, modo de ser ou aspecto. Percebe-se, portanto, um caso de especialização, no qual <nome> <adjetivo> ou <adjetivo> <nome> expressa uma situação particular ou um tipo de <nome>. Por exemplo, no caso da expressão crime passional, o adjetivo passional está caracterizando o nome crime atribuindo-lhe propriedades relativas à paixão e especializando um tipo de crime. Esta heurística define os seguintes passos: a. Chamada recursiva à heurística (1) para EXP 1 = <nome> e EXP 2 = <adjetivo>, retornando uma lista de relações semânticas dos conceitos associados a EXP 1 e EXP 2 ; b. Herança do conteúdo de <nome> para o novo conceito <nome><adjetivo> ou <adjetivo><nome>, pois em ambos tem-se a expressão de um caso particular ou um tipo de <nome> e, assim sendo, todo o conteúdo de <nome> pode ser transcrito (ou herdado) para <nome> <adjetivo> ou 42
4 <adjetivo><nome>. Por exemplo, a relação inferencial (capazde, crime, ter vítima,pre) é transcrita para uma nova relação semântica (capazde, crime passional, ter vítima,pre); c. Transcrição parcial do conteúdo de <adjetivo> para o novo conceito <nome><adjetivo> ou <adjetivo><nome>. Neste caso, <adjetivo> está caracterizando <nome> e algumas relações semânticas de <adjetivo> devem ser transcritas para <nome> de forma a atribuir-lhe características ou qualidades. A seguinte metaregra é usada neste passo: < > é < >& < > < _ > < > < _ > Para definir quais <nome_rel> tornam esta inferência válida, cada <nome_rel> da base semântica deve ser analisada conforme a natureza da relação semântica. Relações semânticas estruturais (por exemplo, ehum, feitode, partede) comumente não devem ser herdadas, pois expressam conteúdo restrito a <adjetivo>. Por exemplo, o fato de que <paixão> <éum> <sentimento> não implica que <crime passional> <éum> <sentimento>. Relações semânticas pragmáticas como relações funcionais, causais, eventuais, motivacionais, comumente suscitam características que são atribuídas de <adjetivo> para <nome>. Por exemplo, o fato de que <paixão> <efeitode> <ciúme> autoriza a geração do conteúdo <crime passional> <efeitode> <ciúme>. Como exemplo, a tabela 2 apresenta os tipos de relações semânticas da InferenceNet definidas para aplicação da metaregra acima. Ao final do processo, a heurística retorna a lista de relações semânticas geradas, as quais foram associadas a <nome><adjetivo> ou <adjetivo><nome>. 3) <adjetivo 1 > <nome> <adjetivo 2 > neste caso, o usuário é questionado se <adjetivo 1 > está qualificando <nome> <adjetivo 2 >, por exemplo, como acontece em má iluminação pública. Caso o usuário confirme, a heurística (2) é chamada para EXP= <nome> <adjetivo 2 > e, em seguida, para EXP = <adjetivo 1 > <sn 2 >, com <sn 2 > = <nome><adjetivo 2 >. Caso contrário, a heurística (2) é chamada para EXP= <adjetivo 1 > <nome> e EXP= <nome> <adjetivo 2 >. Ao final, a heurística retorna a lista de relações semânticas selecionadas de forma recursiva. Tabela 2. Tipos de relações semânticas de InferenceNet que serão herdadas de <adjetivo> para <nome><adjetivo> ou <adjetivo><nome>. Natureza da Relação Tipo de Relação Semântica Tipo Relação inferencial RELATIVA À PROPRIEDADE PropriedadeDe; Precondição RELATIVA À EVENTO EventoPreRequisitoDe; Precondição PrimeiroSubEventoDe;SubEventoDe; UltimoSubEventoDe CAUSAL EfeitoDe; EfeitoDesejavelDe Pós-condição MOTIVACIONAL MotivacaoDe; DesejoDe Precondição FUNCIONAL UsadoPara; CapazDeReceberAcao Precondição RELATIVA À AÇÃO CapazDe Precondição A Figura 1 apresenta o algoritmo que implementa as heurísticas propostas, exemplificando para o novo conceito crime passional. 43
5 relaçõessemanticas[ ] gerarconteudo (exp) // 1ª.iteração: exp= crime passional // 2ª.iteração: exp = crime // 3ª.iteração: exp = passional Se existebaseconhecimento(exp) então retorna recuperarconteudo(exp); // 2ª.iteração: para exp = crime // recuperada relações semânticas de crime // Exemplos: capazde ( crime, envolver violência, Pre); efeitode( crime, sofrimento, Pos) senão { caso estrutura(exp) = <nome> ou <adjetivo> : conceitosrelacionados[ ] = recuperarconceitosrelacionados(exp); conceitorelacionado = selecaousuario(conceitosrelacionados[ ]); retorna recuperarconteudo(conceitorelacionado); // 3ª.iteração: para exp = passional // recuperada relações semânticas de paixão conceitorelacionado selecionado pelo usuário // Exemplos: eventoprerequisitode( paixão, amante, Pre); efeitode( paixão, sofrimento, Pos) // usadopara ( paixão, romance, Pre); ehum( paixão, sentimento, Pos) caso estrutura(exp) = <nome><adjetivo> ou <adjetivo><nome> : // 1ª.iteração: exp= crime passional exp1 = primeirotermo(exp); // exp1 = crime exp2 = segundotermo(exp); // exp2 = passional conteudo1 = gerarconteudo(exp1); // chamada recursiva para exp1= crime conteudo2 = gerarconteudo(exp2); // chamada recursiva para exp2= passional se estrutura(exp1) = <adjetivo> então { conteudo1 = selecionarconteudo(conteudo1); } senão { conteudo2 = selecionarconteudo(conteudo2); // seleciona relações de conteúdo1 (referente a exp2= passional ) conforme passo 2.c // Exemplos: eventoprerequisitode( paixão, amante, Pre); // efeitode( paixão, sofrimento, Pos) // usadopara ( paixão, romance, Pre); // Obs: a relação ehum( paixão, sentimento, Pos) não foi selecionada } retorna conteudo1+conteudo2; caso estrutura(exp) = <adjetivo><nome><adjetivo> : se <adjetivo> qualifica <nome><adjetivo> então { exp1 = <adjetivo>; exp2 = <nome> <adjetivo>; conteudo1 = gerarconteudo(exp1); conteudo2 = gerarconteudo(exp2); conteudo1 = selecionarconteudo(conteudo1); } senão { exp1 = <adjetivo><nome>; exp2 = <nome><adjetivo>; conteudo1 = gerarconteudo(exp1); conteudo2 = gerarconteudo(exp2); retorna conteudo1+conteudo2; } retorna conteudo1+conteudo2; } Figura 1. Algoritmo para geração de conteúdo de conceitos 44
6 3. Avaliação A avaliação realizada visou analisar dois aspectos: (i) o quão as heurísticas facilitam a aquisição de conhecimento conceitual de senso comum e pragmático para língua portuguesa; (ii) a qualidade do conteúdo conceitual gerado pelas heurísticas, ou seja, se o conteúdo proposto realmente expressa o valor semântico do conceito desejado pelo usuário. Nesta avaliação, o algoritmo foi implementado para AC de conceitos para base InferenceNet e utilizou o parser PALAVRAS [Bick 2000]. No entanto, o método pode ser aplicado em outras bases de conhecimento de senso comum e pode ser utilizado outro parser sintático para língua portuguesa. A metodologia de avaliação seguiu os passos delineados na sequência. (1) Seleção de 20 pessoas adultas com experiência em sistemas interativos da Internet e que não tinham conhecimento sobre o método de AC, proposto neste trabalho. As pessoas foram distribuídas aleatoriamente em 2 (dois) grupos de 10 pessoas, um grupo para cada cenário de teste; (2) Seleção de conceitos usados na língua portuguesa que não existiam previamente na base InferenceNet: crime passional, má iluminação publica e violência policial ; (3) Definição de cenários de teste: Cenário 1 usuários irão incluir, sem limite de tempo, relações semânticas para os conceitos escolhidos, através do portal o qual possui uma interface interativa que permite a entrada de relações de senso comum e inferencialista na base InferenceNet. Cenário 2 no portal o usuário informa a expressão linguística EXP correspondente ao conceito e interage com o portal para validar o conteúdo conceitual gerado pelo algoritmo implementado. Os usuários foram orientados a alterar e a excluir relações semânticas caso não concordassem com elas, além de incluir novas relações caso julgassem ainda necessárias, sem limite de tempo. (4) Geração de baseline, onde um avaliador humano validou as relações semânticas geradas pelo algoritmo e definiu uma baseline para os conceitos desta avaliação. A baseline serviu para análise qualitativa do conteúdo semântico ao final do processo de AC experimentado pelos 10 usuários no Cenário 2. Em cada cenário, foi medido o tempo para realização da atividade e quantas relações semânticas foram incluídas e excluídas para cada conceito selecionado. A tabela 3 apresenta os resultados médios coletados. No Cenário 2, o algoritmo implementado gerou as seguintes quantidades de relações para os conceitos em questão: crime passional 45 precondições e 17 pós-condições; má iluminação publica 13 precondições; violência policial 67 precondições e 1 pós-condição. Como resultado principal, tem-se que 76% das relações geradas foram validadas por humanos (considerando a média de exclusões da baseline e dos 10 usuários que participaram do Cenário 2). 45
7 Tabela 3. Resultados coletados nos dois cenários de avaliação e da baseline Cenários crime passional má iluminação pública violência policial Incl Excl Tempo Incl Excl Tempo Incl Excl Tempo Cenário 1 2,9 pre 1,6 pos Cenário 2 0 pre 0 pos Baseline 4 pre 1 pos - 00:02:55 2,9 pre 1,2 pos 8,2 pre 0,7 pos 10 pre 5 pos 00:03:46 0 pre 0,1 pos n/a 4 pre 3 pos - 00:02:25 4,1 pre 2 pos 6,3 pre 0 pos 7 pre 0 pos 00:01:42 0 pre 0,1pos n/a 5 pre 1 pos - 00:02:31 17,9 pre 0,4 pos 23 pre 1 pos 00:03:52 n/a A partir dos resultados coletados, tem-se que o método proposto possibilita interações mais produtivas para AC no Cenário 1 os usuários levaram, em média, 2min31s para inclusão de 4,9 relações semânticas (média de precondições e póscondições incluídas para os três conceitos), enquanto que no Cenário 2 os usuários realizaram 11,2 exclusões e inclusões de relações semânticas em 3min6s (tempo médio). Observamos que, no Cenário 1, os usuários encontraram dificuldade em externar relações semânticas de senso comum sobre o conceito e, em alguns casos, até mesmo em se lembrar o que caracterizaria semanticamente aquele conceito. No Cenário 2, o usuário é instigado a interagir com as relações semânticas geradas, resultando em uma melhor relação inclusões/exclusões por minuto (3,61 no Cenário 2 contra 1,96 no Cenário 1). Outro fato interessante, é que a quantidade de relações semânticas geradas pelo método é bem maior do que as inclusões feitas pelos usuários no Cenário 1, mesmo considerando as exclusões realizadas no Cenário 2. Em relação à qualidade do conteúdo conceitual gerado pelas heurísticas, comparamos os grafos conceituais dos três conceitos, após as inclusões e exclusões realizadas pelos usuários, e os grafos conceituais da baseline. Como resultado, o método proposto possibilitou 70% de acurácia em média para os três conceitos analisados, considerando as relações mais excluídas pelos usuários. Importante salientar que, no Cenário 2, os usuários se limitaram a excluir as relações que lhes pareceram inválidas para o conceito, e praticamente não incluíram novas relações. Noutro experimento realizado buscamos medir a cobertura das heurísticas propostas na base InferenceNet, ou seja, o quanto as heurísticas conseguem recuperar conceitos similares a novos conceitos. A lista de novos conceitos foi formada com 500 nomes de marcadores da base de mapas colaborativos criados através da ferramenta WikiMapps ( No primeiro cenário, aplicamos as heurísticas (seção 3.1), sem interação com usuário, para recuperação de conceitos relacionados aos marcadores. No segundo cenário, aplicamos a ferramenta de indexação LUCENE para recuperar conceitos sintaticamente relacionados aos nomes dos marcadores. Por fim, um humano analisou a qualidade dos conceitos recuperados em ambos os cenários, descartando não conformidades. Como resultado, identificamos que as heurísticas conseguiram recuperar conceitos para 81% dos marcadores e a ferramenta de indexação sintática LUCENE recuperou conceitos para 62% dos marcadores. Importante salientar que, neste último caso, os conceitos recuperados foram somente aqueles sintaticamente similares ao nome do marcador. Por exemplo, para o marcador educação foi recuperado por LUCENE o conceito educar. No caso do processo heurístico de caracterização semântica, foram recuperados conceitos semanticamente relacionados. 46
8 Por exemplo, para o marcador favela foi recuperado o conceito gueto ; e para o marcador desastre ambiental foram recuperados conceitos ambiente e floresta. 4. Trabalhos Relacionados As pesquisas em AC têm se concentrado na aquisição de conhecimento de senso comum a partir de esforço colaborativo de especialistas bem como de usuários diversos da web. O projeto CYC [Lenat 1995] é um dos mais antigos exemplos de base de senso comum construída a partir de especialistas. Em 2000, o projeto Open Mind Common Sense (OMCS) [Singh et al. 2002] surgiu com o objetivo de coletar, pela Internet e de colaboradores voluntários, sentenças que expressavam fatos da vida comum. O corpus OCMS deu origem às triplas de conhecimento de senso comum da ConceptNet [Liu e Singh 2004]. A nova versão do OMCS [Speer, 2007] já provê funcionalidades para que o usuário ajude a refinar e validar o conhecimento coletado. O projeto Verbosity [von Ahn, Kedia e Blum 2006] é um jogo interativo para AC de conhecimento de senso comum. Cankaya e Moldovan (2009) propõe um método automático para gerar novas triplas de conhecimento a partir de metaregras de senso comum. O algoritmo proposto busca automaticamente em uma base estendida da WordNet 1 por conceitos que têm determinada propriedade e gera novos axiomas usando fatos de senso comum. Para língua portuguesa, são poucos os projetos de AC de senso comum. O principal é o projeto Open Mind Common Sense - Brasil (OMCS-Br) para coleta de conhecimento de senso comum em português por colaboradores na web [Anacleto et al. 2006]. O diferencial do método proposto neste artigo é a recuperação de conteúdo similar da base de conhecimento, o qual facilita interações mais produtivas para aquisição de conhecimento de senso comum e inferencialista para novos conceitos. Na Figura 1, para aquisição do novo conceito crime passional, o algoritmo propõe ao usuário relações semânticas recuperadas do conteúdo conceitual de paixão, a saber: eventoprerequisitode ( paixão, amante, Pre); efeitode( paixão, sofrimento, Pos); usadopara ( paixão, romance, Pre), possibilitando maior riqueza no processo de AC do novo conceito. 5. Conclusão Neste trabalho, propomos um método semi-automático para AC de senso comum e inferencialista. O diferencial do método em relação ao estado da arte é um processo automático de raciocínio que gera novos fatos de senso comum e pragmáticos para conceitos da língua portuguesa, a partir de conteúdo de outros conceitos similares e conforme a estrutura gramatical de sintagmas nominais. Além disso, a interação com usuário final permite uma validação das relações semânticas geradas e, consequentemente, melhor qualidade na aquisição de conhecimento desta natureza. O método foi implementado e avaliado para a base de senso comum e inferencialista da língua portuguesa InferenceNet, e obteve 76% de validação por usuários humanos. Além disso, o método proposto possibilitou interações mais produtivas para AC, pois, com uma base inicial para validação, o usuário é instigado sobre relações semânticas de senso comum acerca do novo conceito. Como trabalhos futuros, tem-se a evolução do algoritmo com novas heurísticas para geração de conteúdo inferencial que contemple demais estruturas gramaticais de sintagmas (por exemplo, <nome> <preposição> <nome> ) e uma avaliação da complexidade do algoritmo proposto. 1 acessado em 10/02/
9 Referências Anacleto et al. (2006) Can Common Sense uncover cultural differences in computer applications? In: International Federation for Information Processing, IFIP,19th World Computer Congress, 217, pp Anacleto et al. (2007) A Common Sense-Based On-line Assistant for Training Employees. In: Proceedings of INTERACT 2007, LNCS, 4662, pp Baker, C., Ellsworth, M., Erk, K. (2007) SemEval-2007 Task 19: Frame Semantic Structure Extraction. In: Proceedings of the Fourth International Workshop on Semantic Evaluations (SemEval-2007), Prague, Czech Republic, pp Bick, E. The Parsing System Palavras. (2000) Automatic Grammatical Analysis of Portuguese in a Constraint Grammar Framework. Aarhus University Press. Cankaya, H., Moldovan, D. (2009) Method for extracting commonsense knowledge. In Proceedings of the fifth international conference on Knowledge capture (2009), K- CAP '09, pp Che et al. (2009) Multilingual Dependency-based Syntactic and Semantic Parsing. In: Proceedings of the Conference on Computational Natural Language Learning (CoNLL-2009) Shared Task. Kay, M. (2003) Introduction to Computational Linguistics. In: Mitkov. R. (ed). Oxford Handbook of Computational Linguistics, Oxford University Press, pp Lenat, D.B. (1995). CYC: Large-Scale Investment in Knowledge Infrastructure. Communications of the ACM, vol.38, no 11, pp Liu, H., Singh, P. (2004) ConceptNet: A Practical Commonsense Reasoning Toolkit, BT Technology Journal, Volume 22(4), pp Kluwer Academic Publishers. Pardo,T.A.S., Caseli,H.M., Nunes,M.G.V. (2009) Mapeamento da Comunidade Brasileira de Processamento de Línguas Naturais. In: Proceedings of the 7th Brazilian Symposium in Information and Human Language Technology, STIL, Brasil. Pinheiro, V. (2010) SIM: Um Modelo Semântico Inferencialista para Expressão e Raciocínio em Sistemas de Linguagem Natural. Tese de Doutorado. Universidade Federal do Ceará, MDCC, Fortaleza. Pinheiro, V., Pequeno, T., Furtado, V., Franco, W. (2010) InferenceNet.Br: Expression of Inferentialist Semantic Content of the Portuguese Language. In: T.A.S. Pardo et al. (eds.): PROPOR 2010, LNAI 6001, pp Springer, Heidelberg. Singh, P. et al. (2002) Open Mind Common Sense: Knowledge acquisition from the general public. In: Proceedings of ODBASE 02, LNCS, No 2519, pp Heidelberg: Springer-Verlag. Speer, R. (2007) Open Mind Commons: An inquisitive approach to learning common sense. In: Proceedings of the Workshop on Common Sense and Intelligent User Interfaces, January 28, 2007, Honolulu, Hawaii. von Ahn, L., Kedia, M., Blum, M. (2006) Verbosity: A Game for Collecting Common- Sense Knowledge. ACM Conference on Human Factors Computing Systems, CHI Notes 2006, pp
Desenvolvimento de Sistemas de Extração de Informações para Ambientes Colaborativos na Web
Desenvolvimento de Sistemas de Extração de Informações para Ambientes Colaborativos na Web Douglas Nogueira 1, Vladia Pinheiro 2, Vasco Furtado 1, Tarcisio Pequeno 1 1 Mestrado em Informática Aplicada
SIM: A Semantic-Inferentialist Model for Natural Language Processing
SIM: A Semantic-Inferentialist Model for Natural Language Processing Vládia Pinheiro, Knowledge Engineering Laboratory (LEC) University of Fortaleza November, 2011 @vladiacelia vladiacelia@unifor.br Logics
6 Atributos. A dívida da empresa subiu.
6 Atributos Para buscar o sentimento de um texto automaticamente precisamos encontrar boas pistas ao longo do discurso. Uma grande variedade de palavras e expressões possui conotação positiva ou negativa,
Ontologias Linguísticas e Processamento de Linguagem Natural. Ygor Sousa CIn/UFPE
Ontologias Linguísticas e Processamento de Linguagem Natural Ygor Sousa CIn/UFPE ycns@cin.ufpe.br 2015 Roteiro Processamento de Linguagem Natural Ontologias Linguísticas WordNet FrameNet Desambiguação
OntoLP: Engenharia de Ontologias em Língua Portuguesa
OntoLP: Engenharia de Ontologias em Língua Portuguesa Luiz Carlos Ribeiro Jr. (PUCRS, lucarijr@gmail.com) Renata Vieira (PUCRS, renata.vieira@gmail.com) Patrícia Nunes Gonçalves (PUCRS, patt.nunes@gmail.com)
SIM: Um Modelo Semântico-Inferencialista para Sistemas de Linguagem Natural
SIM: Um Modelo Semântico-Inferencialista para Sistemas de Linguagem Natural Vládia Pinheiro Universidade Federal do Ceará Campus do Pici - UFC Departamento de Computação +55-85-33669841 vladia@lia.ufc.br
Análise de sentimentos para português brasileiro usando redes neurais recursivas
Análise de sentimentos para português brasileiro usando redes neurais recursivas Henrico Bertini Brum 1, Fábio Natanel Kepler 1 1 Ciência da Computação Universidade Federal do Pampa (UNIPAMPA) Caixa Postal
Índice. Classificação de textos para o ensino de português como segunda língua. Índice. technology from seed
Classificação de textos para o ensino de português como segunda língua Pedro Santos Curto Conclusões, Contribuições e Trabalho futuro 1 2 Motivação Aplicações e escala da classificação de textos Motivação
5º Congresso de Pós-Graduação
5º Congresso de Pós-Graduação UMA FERRAMENTA PARA GERAÇÃO AUTOMÁTICA DE DIAGRAMA DE CLASSES A PARTIR DA ESPECIFICAÇÃO DE REQUISITOS EM LINGUAGEM NATURAL Autor(es) Orientador(es) LUIZ EDUARDO GALVÃO MARTINS
Automatização de um Método de Avaliação de Estruturas Retóricas
Automatização de um Método de Avaliação de Estruturas Retóricas Erick Galani Maziero (erickgm@grad.icmc.usp.br) Thiago Alexandre Salgueiro Pardo (taspardo@icmc.usp.br) Núcleo Interinstitucional de Lingüística
UMA FERRAMENTA PARA A PESQUISA EM CORPORA DE AQUISIÇÃO DE LINGUAGEM
UMA FERRAMENTA PARA A PESQUISA EM CORPORA DE AQUISIÇÃO DE LINGUAGEM 1. INTRODUÇÃO Corpora de linguagem dirigida a e produzida por crianças são recursos valiosos para estudos de aquisição da linguagem,
Extração e Representação Semântica de Fatos Temporais
Extração e Representação Semântica de Fatos Temporais Leandro Gallina 1, Renata Galante 1 1 Instituto de Informática Universidade Federal do Rio Grande do Sul (UFRGS) Caixa Postal 15.064 91.501-970 Porto
5º Congresso de Pós-Graduação
5º Congresso de Pós-Graduação UMA FERRAMENTA PARA GERAÇÃO AUTOMÁTICA DE DIAGRAMA DE CLASSES A PARTIR DA ESPECIFICAÇÃO DE REQUISITOS EM LINGUAGEM NATURAL Autor(es) WILSON CARLOS DA SILVA Orientador(es)
JADEX: A BDI REASONING ENGINE. Alexander Pokahr, Lars Braubach e Winfried Lamersdorf Springer US - Multi-Agent Programming 2005 pp.
JADEX: A BDI REASONING ENGINE Alexander Pokahr, Lars Braubach e Winfried Lamersdorf Springer US - Multi-Agent Programming 2005 pp. 149-174 Volume 15 Motivação Existem muitas plataformas para desenvolvimento
Verificação automática de substantivos compostos através de reconhecimento de padrões sintáticos
Universidade Federal do Rio Grande do Sul Grupo de Processamento de Linguagens Naturais Projeto Expressões Multipalavras Verificação automática de substantivos compostos através de reconhecimento de padrões
7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS
7 Congresso de Pós-Graduação MODELAGEM DE BASE DE CONHECIMENTO PARA TAREFA DE CLASSIFICAÇÃO EM MINERAÇÃO DE DADOS Autor(es) LIDIA MARTINS DA SILVA Orientador(es) ANA ESTELA ANTUNES DA SILVA 1. Introdução
Extração de paráfrases em português a partir de léxicos bilíngues: um estudo de caso
Extração de paráfrases em português a partir de léxicos bilíngues: um estudo de caso Paulo César Polastri 1,2, Helena de Medeiros Caseli 1,2, Eloize Rossi Marques Seno 2,3 1 Departamento de Computação,
6.1. Teste Baseado em Gramática e Outras Abordagens de Teste
6 Discussão Além das técnicas de teste usando modelos gramaticais, existem outras abordagens de teste funcional de sistemas que estão sendo estudadas pela comunidade científica. Algumas delas se dedicam
Desenvolvimento de Ferramentas no igeom: Utilizando a Geometria Dinâmica no Ensino
Desenvolvimento de Ferramentas no igeom: Utilizando a Geometria Dinâmica no Ensino Presencial e à Distância Seiji Isotani Orientador: Leônidas de Oliveira Brandão Defesa de Mestrado Departamento de Ciência
Semantic Inferentialist Analyser: Um Analisador Semântico de Sentenças em Linguagem Natural
Semantic Inferentialist Analyser: Um Analisador Semântico de Sentenças em Linguagem Natural Vladia Pinheiro 1, Tarcisio Pequeno 2, Vasco Furtado 2, Douglas Nogueira 2 1 Departamento de Ciências da Computação
1 Objetivo. 2 Descrição do domínio. Primeiro Trabalho - Segundo semestre de 2007 Sistema de Apoio a Jogos Lotéricos. 2.1 Caracterização dos jogos
UNIVERSIDADE DE BRASÍLIA DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO PROGRAMAÇÃO SISTEMÁTICA Prof. Francisco A. C. Pinheiro 1 Objetivo Primeiro Trabalho - Segundo semestre de 2007 Sistema de Apoio a Jogos Lotéricos
Uso de Conhecimento de Senso Comum para Suporte à Edição de Objetos de Aprendizagem
Uso de Conhecimento de Senso Comum para Suporte à Edição de Objetos de Aprendizagem Alessandro J. F. Carlos, Junia C. Anacleto, Aparecido Fabiano P. de Carvalho Laboratório de Interação Avançada Departamento
Encontro 10 Anos da Linguateca PROPOR 2008 Aveiro Portugal
Marcirio Silveira Chaves Pólo XLDB da Linguateca LaSIGE Departamento de Informática Faculdade de Ciências da Universidade de Lisboa Encontro 10 Anos da Linguateca PROPOR 2008 Aveiro Portugal 9/16/08 1
Geração Automática de Metadados
Geração Automática de Metadados José David Fernández Curado Instituto de Matemática e Estatística - Universidade de São Paulo November 17, 2010 1 Introdução Motivação Metadados 2 Algoritmos de Geração
DESENVOLVIMENTO DE UM SISTEMA DE INFORMAÇÃO GEOGRÁFICA PARA GERAÇÃO DE MAPAS PLUVIOMÉTRICOS
DESENVOLVIMENTO DE UM SISTEMA DE INFORMAÇÃO GEOGRÁFICA PARA GERAÇÃO DE MAPAS PLUVIOMÉTRICOS Osvaldo Cesar Pinheiro de Almeida 1, Roger Cristhian Gomes 2 1 FATEC, Botucatu, SP, Brasil. E-mail cesar@fatecbt.edu.br
Uma ferramenta para anotação de relações semânticas entre termos
1. Introdução Uma ferramenta para anotação de relações semânticas entre termos O Processamento de Língua Natural (PLN) adquire importância cada vez maior atualmente. É uma área em evidência pois a quantidade
Utilização de técnicas de Process Mining em Sistemas de Middleware Adaptativos Proposta de Trabalho de Graduação
UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2017.1 Utilização de técnicas de Process Mining em Sistemas de Middleware Adaptativos Proposta de Trabalho de
Uma abordagem de classificação automática para Tipo de Pergunta e Tipo de Resposta
Uma abordagem de classificação automática para Tipo de Pergunta e Tipo de Resposta Patricia Nunes Gonçalves 1, António Horta Branco 1 1 Faculdade de Ciências da Universidade de Lisboa Lisboa - Portugal
3 Uma Abordagem Orientada a Aspectos para o Desenvolvimento de Frameworks
48 3 Uma Abordagem Orientada a Aspectos para o Desenvolvimento de Frameworks Este capítulo apresenta uma visão geral da contribuição principal deste trabalho: uma abordagem orientada a aspectos para o
Descoberta de conhecimento em textos - Análise semântica. Diogo Cardoso Eduardo Camilo Inácio Eduardo Monteiro Dellandréa Guilherme Gomes
Descoberta de conhecimento em textos - Análise semântica Diogo Cardoso Eduardo Camilo Inácio Eduardo Monteiro Dellandréa Guilherme Gomes Introdução Diversidade de textos não padronizados; Emails, artigos,
Infra-Estrutura de Dados Espaciais. Bruno Rabello Monteiro
Infra-Estrutura de Dados Espaciais Bruno Rabello Monteiro Agenda Introdução e Conceituação SDI Problemas e Pesquisas Referências Bibliográficas Introdução Um SIG pode ser definido como (Bernard et al,,
Fusão Automática de Sentenças Similares em Português
Fusão Automática de Sentenças Similares em Português Eloize Rossi Marques Seno, Maria das Graças Volpe Nunes NILC ICMC Unisidade de São Paulo Caixa Postal 668 13560-970 São Carlos SP Brasil {eloize,gracan}@icmc.usp.br
1.1 Tema Aprendizado de Máquina (Mit97) é o campo da Inteligência Artificial responsável pelo desenvolvimento de modelos inferidos automaticamente a
1 Introdução 1.1 Tema Aprendizado de Máquina (Mit97) é o campo da Inteligência Artificial responsável pelo desenvolvimento de modelos inferidos automaticamente a partir de dados. Existem diversas aplicações
Análise Automática de Coerência Textual em Resumos Científicos: Avaliando Quebras de Linearidade
Proceedings of Symposium in Information and Human Language Technology. Natal, RN, Brazil, November 4 7, 2015. c 2015 Sociedade Brasileira de Computação. Análise Automática de Coerência Textual em Resumos
Implementando o Agente de Base de Domínio do Sistema Tutor Inteligente PAT2Math
Programa de Pós-Graduação em Computação Aplicada Implementando o Agente de Base de Domínio do Sistema Tutor Inteligente PAT2Math Bolsistas: Gabriel E. Chites de Mello Geiseane Lacerda Rubi (Ciência da
Raciocínio Baseado em Casos
Raciocínio Baseado em Casos Augusto Cesar Castoldi, Marcos de Oliveira dos Santos. Bacharéis em Ciências da Computação 2º Semestre, 2002. Departamento de Informática e Estatística (INE) Universidade Federal
Recapitulando... Abordagens: PLN. Abordagens: PLN 29/03/2012. Introdução ao Processamento de Línguas Naturais. Distribuição de palavras
Introdução ao Processamento de Línguas Naturais SCC5908 Introdução ao Processamento de Língua Natural Thiago A. S. Pardo Recapitulando... Abordagens superficiais vs. profundas Simbolismo vs. estatística
UBIBUSANALYSIS UMA FERRAMENTA DE INTERPRETAÇÃO DE
U NIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO CENTRO DE INFORMÁTICA 2 0 1 2. 2 UBIBUSANALYSIS UMA FERRAMENTA DE INTERPRETAÇÃO DE MENSAGENS DE TRÂNSITO COM ANÁLISE DE SENTIMENTOS
Extração de Alvos em Comentários de Notícias em Português baseada na Teoria da Centralização
Proceedings of Symposium in Information and Human Language Technology. Natal, RN, Brazil, November 4 7, 2015. c 2015 Sociedade Brasileira de Computação. Extração de Alvos em Comentários de Notícias em
Descoberta Automática de Relações Não- Taxonômicas a partir de Corpus em Língua Portuguesa
Descoberta Automática de Relações Não- Taxonômicas a partir de Corpus em Língua Portuguesa Vinicius H. Ferreira, Lucelene Lopes, Renata Vieira PPGCC FACIN Porto Alegre Brasil vinihf@gmail.com, {lucelene.lopes,renata.vieira}@pucrs.br
Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais
Universidade de São Paulo Biblioteca Digital da Produção Intelectual - BDPI Departamento de Ciências de Computação - ICMC/SCC Comunicações em Eventos - ICMC/SCC 2015 Identificação de Pontos Perceptualmente
Uma Abordagem de Gerenciamento Contextual de Recursos Dinâmicos em Ambientes Pervasivos: Estudo de Caso em Aplicações de Home Care
Uma Abordagem de Gerenciamento Contextual de Recursos Dinâmicos em Ambientes Pervasivos: Estudo de Caso em Aplicações de Home Care LORAYNE PINHEIRO DORNELLES LEANDRO KRUG WIVES 2016 Sumário 01 Introdução
Revisão Sistemática da Literatura sobre Métodos de Localização de Características
Revisão Sistemática da Literatura sobre Métodos de Localização de Características Cleice Souza 14 de maio de 2014 Roteiro Introdução Característica ou Feature Planejamento da Revisão Sistemática Condução
Sumarização Automática para Simplificação de Textos: Experimentos e Lições Aprendidas
Sumarização Automática para Simplificação de Textos: Experimentos e Lições Aprendidas Paulo R. A. Margarido, Thiago A. S. Pardo e Sandra M. Aluísio Núcleo Interinstitucional de Lingüística Computacional
Identificação e Tratamento de Expressões Multipalavras aplicado à Recuperação de Informação
Universidade Federal do Rio Grande do Sul Instituto de Informática Programa de Pós-Graduação em Computação Identificação e Tratamento de Expressões Multipalavras aplicado à Recuperação de Informação Otávio
Geração de features para resolução de correferência: Pessoa, Local e Organização
Geração de features para resolução de correferência: Pessoa, Local e Organização Evandro B. Fonseca 1, Renata Vieira 1, Aline A. Vanin 1 1 Faculdade de Informática Pontifícia Universidade Católica do Rio
UNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE INFORMÁTICA GRADUAÇÃO EM ENGENHARIA DA COMPUTAÇÃO
UNIVERSIDADE FEDERAL DE PERNAMBUCO CENTRO DE INFORMÁTICA GRADUAÇÃO EM ENGENHARIA DA COMPUTAÇÃO Sistema de Sumarização Automática de Textos Baseado em Classes de Documentos PROPOSTA DE TRABALHO DE GRADUAÇÃO
Fabrício Jailson Barth BandTec
Introdução à Inteligência Artificial Fabrício Jailson Barth fabricio.barth@bandtec.com.br BandTec 1 o semestre de 2012 Objetivos e Sumário O que é Inteligência Artificial (IA)? Objetivos da IA. Influência
Uma Abordagem de Extração de Terminologia Para a Construção de uma Representação Atributo-valor a Partir de Documentos Não Estruturados
Uma Abordagem de Extração de Terminologia Para a Construção de uma Representação Atributo-valor a Partir de Documentos Não Estruturados Daniel de Faveri Honorato 1, Maria Carolina Monard 1, and Huei Diana
NEPaLE: Uma ferramenta computacional de suporte à avaliação de paráfrases
NEPaLE: Uma ferramenta computacional de suporte à avaliação de paráfrases Rafael de Oliveira Teixeira 1, Eloize Rossi Marques Seno 1, Helena de Medeiros Caseli 2 1 Instituto Federal de São Paulo câmpus
O tratamento da partícula se para fins de anotação de papéis semânticos
O tratamento da partícula se para fins de anotação de papéis semânticos Magali Sanches Duran, Sandra Maria Aluísio Núcleo Interinstitucional de Linguística Computacional ICMC Universidade de São Paulo
Categorização de Textos da Língua Portuguesa com Árvores de Decisão, SVM e Informações Lingüísticas
Categorização de Textos da Língua Portuguesa com Árvores de Decisão, SVM e Informações Lingüísticas Cassiana Fagundes da Silva 1, Renata Vieira 2 1 Faculdade Seama Av. Nações Unidas, 1201 Jesus de Nazaré
Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Proceeding Series of the Brazilian Society of pplied and Computational Mathematics, Vol., N., 0. Trabalho apresentado no XXXV CNMC, Natal-RN, 0. Modelagem para previsão/estimação: uma aplicação Neuro-Fuzzy
Introdução ao Processamento de Línguas Naturais. SCC5908 Introdução ao Processamento de Língua Natural. Thiago A. S. Pardo
/0/0 Introdução ao Processamento de Línguas Naturais SCC5908 Introdução ao Processamento de Língua Natural Thiago A. S. Pardo Dilemas no Brasil Como lidar com a interdisciplinaridade Linda no papel, complicada
Semântica no Reconhecedor Gramatical Linguístico
Workshop de Tecnologias Adaptativas WTA 2015 Semântica no Reconhecedor Gramatical Linguístico Ana Contier, Djalma Padovani, João José Neto Linguagem Natural - Desafios Crescente quantidade de documentos
UNIVERSIDADE FEDERAL DE P ERNAMBUCO
UNIVERSIDADE FEDERAL DE P ERNAMBUCO GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO CENTRO DE INFORMÁTICA 2016.1 AutoTestPlan: Uma ferramenta para criação de planos de teste e seleção de casos de teste PROPOSTA DE
Uma Arquitetura de Tutor Inteligente que Provê Suporte ao Diálogo com o Aluno Iniciante em Linguagem de Programação
Uma Arquitetura de Tutor Inteligente que Provê Suporte ao Diálogo com o Aluno Iniciante em Linguagem de Programação Renato de M. Santos 1, Crediné Silva de Menezes 1, Davidson Cury 1 1 Programa de Pós-Graduação
EDITOR DE ANOTAÇÃO DE SIMPLIFICAÇÃO: MANUAL DO USUÁRIO
Universidade de São Paulo USP Universidade Federal de São Carlos UFSCar Universidade Estadual Paulista UNESP EDITOR DE ANOTAÇÃO DE SIMPLIFICAÇÃO: MANUAL DO USUÁRIO Helena de Medeiros Caseli Tiago de Freitas
Um Analisador Semântico Inferencialista de Sentenças em Linguagem Natural
Um Analisador Semântico Inferencialista de Sentenças em Linguagem Natural Vladia Pinheiro Universidade Federal do Ceará vladia@lia.ufc.br Tarcisio Pequeno Universidade Federal do Ceará tarcisio@lia.ufc.br
Aula 2: Planejamento da RS
Universidade de São Paulo Instituto de Ciências Matemática e de Computação SSC 5905 - Revisão Sistemática Aula 2: da RS Profa. Dra. Elisa Yumi Nakagawa 1. Semestre de 2013 Processo de Revisão Sistemática
Uma avaliação de analisadores morfológicos do português
Uma avaliação de analisadores morfológicos do português Jéssica O. de Souza, André C. Santiago, Katiuscia de M. Andrade, Mardônio J. C. de França, Hélio L. B. Silva, Ananda L. Freire, Leonel F. de Alencar,
Análise Sintática de Frases utilizando Gramáticas Livres de Contexto Probabilísticas
Universidade de São Paulo Mestrado em Ciência da Computação Instituto de Matemática e Estatística Disciplina MAC5725 Lingüística Computacional Análise Sintática de Frases utilizando Gramáticas Livres de
Comparação dos algoritmos sequencial e paralelo para contagem de palavras e contexto
Comparação dos algoritmos sequencial e paralelo para contagem de palavras e contexto Eduardo Delazeri Ferreira, Francieli Zanon Boito, Aline Villavicencio 1. Introdução 1 Instituto de Informática - Universidade
Síntese de programas utilizando a linguagem Alloy
Universidade Federal de Pernambuco Centro de Informátiva Graduação em Ciência da Computação Síntese de programas utilizando a linguagem Alloy Proposta de Trabalho de Graduação Aluno: João Pedro Marcolino
Utilizando Features Linguísticas Genéricas para Classificação de Triplas Relacionais em Português
Proceedings of Symposium in Information and Human Language Technology. Uberlândia, MG, Brazil, October 2 5, 2017. c 2017 Sociedade Brasileira de Computação. Utilizando Features Linguísticas Genéricas para
Inteligência Artificial. Sistemas Baseados em Conhecimento. Representação de Conhecimento (continuação)
Universidade Estadual do Oeste do Paraná Curso de Bacharelado em Ciência da Computação http://www.inf.unioeste.br/~claudia/ia2018.html Inteligência Artificial Sistemas Baseados em Conhecimento Representação
Computação Musical - Introdução slides do curso Computação Musical
- Introdução slides do curso Departamento de Ciência da Computação Universidade Federal de São João Del Rei 2014/2 O que é computação musical? Denitivamente é computação. Relacionada e aplicada à música.
Hierarquias de conceitos extraídas automaticamente de corpus de domínio específico Um experimento sobre um corpus de Pediatria
Hierarquias de conceitos extraídas automaticamente de corpus de domínio específico Um experimento sobre um corpus de Pediatria Lucelene Lopes, Renata Vieira, Daniel Martins Grupo Processamento de Linguagem
Modelando sistemas Multiagentes Analisando Metodologias
Modelando sistemas Multiagentes Analisando Metodologias Ricardo Almeida Venieris Ricardo.almeida@les.inf.puc-rio.br Modelagem e Implementação OO de Sistemas Multi-Agentes Dissertação apresentada ao Departamento
ELABORAÇÃO DE DICIONÁRIO ELETRÔNICO Mauro Rebello 1, Violeta de San Tiago Dantas Barbosa Quental 2.
DL - DEPARTAMENTO DE LETRAS ELABORAÇÃO DE DICIONÁRIO ELETRÔNICO Mauro Rebello 1, Violeta de San Tiago Dantas Barbosa Quental 2. 1 Aluno do curso de Letras da PUC-Rio 2 Professora e pesquisadora da área
Uma ferramenta para expansão do vocabulário com base em coocorrência
Resumos Expandidos: XI Mostra de Estagiários e Bolsistas... 11 Uma ferramenta para expansão do vocabulário com base em coocorrência Exupério Lédo Silva Júnior 1 Roberta Akemi Sinoara 2 Solange Oliveira
Critérios para transcrição da fala espontânea
Critérios para transcrição da fala espontânea Heloísa Vale Heliana Mello Tommaso Raso UFMG Visão geral desta apresentação O corpus C-ORAL-BRASIL Originalidade e vantagens da transcrição Alguns fenômenos
Webmedia 06 Diego Fiori de Carvalho Júlio Cézar Estrella Renata Pontin de Mattos Fortes Rudinei Goularte
Interoperabilidade XML com Web Services para modelo de arquitetura em Sistemas de Informação Geográfico Webmedia 06 Diego Fiori de Carvalho Júlio Cézar Estrella Renata Pontin de Mattos Fortes Rudinei Goularte
B A N C O D E D A D O S G E O G R Á F I C O S M A R C O N I D E A R R U D A P E R E I R A
Mineração de Dados Espaciais B A N C O D E D A D O S G E O G R Á F I C O S M A R C O N I D E A R R U D A P E R E I R A Roteiro 2 Introdução Mineração de Dados Estado da Arte Artigo apresentado Conclusão
EXTRAÇÃO E SELEÇÃO AUTOMÁTICA DE SINTAGMAS NOMINAIS EM TEXTOS EM LÍNGUA PORTUGUESA: uma análise de citação do estado da arte
EXTRAÇÃO E SELEÇÃO AUTOMÁTICA DE SINTAGMAS NOMINAIS EM TEXTOS EM LÍNGUA PORTUGUESA: uma análise de citação do estado da arte Tiago José da Silva (UFPE) tiago.stallin@gmail.com Renato Fernandes Correa (UFPE)
6 Conclusão. 6.1 Trabalhos relacionados
Conclusão 112 6 Conclusão 6.1 Trabalhos relacionados A primeira versão do método SHDM apresentada por Lima (2003) empregava um modelo orientado a objetos como a base estrutural do modelo conceitual de
Geração semi-automática de massas de testes funcionais a partir da composição de casos de uso e tabelas de decisão
Luiz Rodolfo Neves Caldeira Geração semi-automática de massas de testes funcionais a partir da composição de casos de uso e tabelas de decisão Dissertação de Mestrado Dissertação apresentada como requisito
PROJETO DE INTERFACES PARA ÁLGEBRA DE MAPAS EM GEOPROCESSAMENTO NO AMBIENTE SPRING
MINISTÉRIO DA CIÊNCIA E TECNOLOGIA INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS INPE-9307-TDI/820 PROJETO DE INTERFACES PARA ÁLGEBRA DE MAPAS EM GEOPROCESSAMENTO NO AMBIENTE SPRING Ivan Soares de Lucena Dissertação
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV
Extração de objetos de interesse em imagens digitais utilizando a biblioteca de Visão Computacional OpenCV Izadora Aparecida RAMOS 1,3,4 ; Servílio Souza de ASSIS 1,3,4 ; Bruno Alberto Soares OLIVEIRA
QUIS. Questionnaire for User Interface Satisfaction. Eduardo Oliveira Leosvaldo Jorge
QUIS Questionnaire for User Interface Satisfaction Eduardo Oliveira Leosvaldo Jorge Objetivo Apresentar o QUIS (Questionnaire for User Interface Satisfaction) O que é o QUIS? Histórico; Estrutura; Vantagens;
Construções de Estrutura Argumental no âmbito do Constructicon da FrameNet Brasil: proposta de uma modelagem linguístico-computacional
Proceedings of Symposium in Information and Human Language Technology. Uberlândia, MG, Brazil, October 2 5, 2017. c 2017 Sociedade Brasileira de Computação. Construções de Estrutura Argumental no âmbito
Modelos Conceituais de Dados
Modelos Conceituais de Dados 2. Modelagem Conceitual de Dados Geográficos A partir de idéias conceituais de fenômenos geográficos é possível formalizar a representação do espaço e de propriedades espaciais.
Fusão de Atributos para Segmentação de Couro Bovino
Fusão de Atributos para Segmentação de Couro Bovino Lia Nara Balta Quinta. Grupo de Pesquisa em Engenharia e Computação, GPEC Universidade Católica Dom Bosco, UCDB Av. Tamandaré, 6000 - Jardim Seminário
Armazém de dados para o Censo da Educação Superior: uma experiência no Centro de Computação da UFMG
Armazém de dados para o Censo da Educação Superior: uma experiência no Centro de Computação da UFMG Patrícia Nascimento Silva 1, Josemar Pereira dos Santos 1, Vitor Fonseca de Melo 1 1 Centro de Computação
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo
Aplicação de Histograma de Gradientes Orientados para detecção de hidrômetros em imagens de fundo complexo Juliana Patrícia Detroz Professor: André Tavares da Silva Universidade do Estado de Santa Catarina
Algoritmo CLIQUE (Clustering In QUEst)
Algoritmo CLIQUE (Clustering In QUEst) Marcelo Camacho de Souza Nº USP: 3199616 Roteiro Algoritmo CLIQUE Exemplo Prático Complexidade Computacional Vantagens e Desvantagens Autores (IBM Almaden Research
Computação Evolucionária Aplicada ao Problema de Seleção de Características em Text Mining
Computação Evolucionária Aplicada ao Problema de Seleção de Características em Text Mining João R. Carrilho Jr., Marco Aurélio C. Pacheco ICA: Applied Computational Intelligence Laboratory Department of
PROCESSAMENTO DE TEXTO
PROCESSAMENTO DE TEXTO (TEXT MINING) Jorge Teixeira IART 2014/2015 SAPO LABS ( http://labs.sapo.pt ) AGENDA (Enquadramento na UC de Inteligência Artificial - IART) Parte 1: Introdução à Linguagem Natural
Diagnóstico Baseado em Modelos
Diagnóstico Baseado em Modelos Wellington R. Pinheiro Departamento de Ciência da Computação Instituto de Matemática e Estatística - Universidade São Paulo wrp@ime.usp.br 8 de janeiro de 2008 MAC5739 2007
Sistemas Baseados em Conhecimento
Sistemas Baseados em Conhecimento Profa. Josiane M. P. Ferreira Baseado no capítulo 2 do livro Sistemas Inteligentes Fundamentos de Aplicações, organizadção: Solange Oliveira Rezende, ed. Manole, 2005.
Medidas de Avaliação
Medidas de Avaliação Medidas de Avaliação Para a maioria dos sistemas computacionais é necessário criar medidas para aferir sua eficácia e eficiência; A medida mais comum é o tempo e o espaço. Quanto menor
SISTEMA DE INFORMAÇÃO GEOGRÁFICA APLICADO AO GERENCIAMENTO DE INFORMAÇÃO DE TRANSPORTE URBANO
SISTEMA DE INFORMAÇÃO GEOGRÁFICA APLICADO AO GERENCIAMENTO DE INFORMAÇÃO DE TRANSPORTE URBANO Edilene de Fátima Vetorato 1, Osvaldo Cesar Pinheiro de Almeida 2 1 Fatec, Botucatu, SP, Brasil. E-mail: edilenefv@hotmail.com
Plano de Estudos. Escola: Instituto de Investigação e Formação Avançada Grau: Programa de Doutoramento Curso: Informática (cód.
Plano de Estudos Escola: Instituto de Investigação e Formação Avançada Grau: Programa de Doutoramento Curso: Informática (cód. 264) 1. o Ano - 1. o Semestre INF9258D Iniciação à Investigação Informática
(1) A análise dos resultados experimentais indicaram um efeito principal de número do núcleo interveniente no processamento da concordância.
1 Introdução A presente tese tem como tema o processamento da concordância de número entre sujeito e verbo na produção de sentenças e está vinculada ao Projeto Explorando relações de interface língua-sistemas
Os pontos mais fortes do MAS-School são: A técnica orientada a objetivos para a fase de requisitos utiliza o processo recursivo de decomposição de um
140 7 Conclusões O desenvolvimento de um sistema multi-agente de larga escala (Lucena et al., 2003; Garcia et al., 2003) não é uma tarefa simples. Sistemas com muitos agentes em ambientes heterogêneos
ENTENDENDO ABORDAGENS DE GAMEFICAÇÃO APLICADAS À EDUCAÇÃO: UMA REVISÃO SISTEMÁTICA DA LITERATURA
UNIVERSIDADE FEDERAL DE PERNAMBUCO GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO CENTRO DE INFORMÁTICA ENTENDENDO ABORDAGENS DE GAMEFICAÇÃO APLICADAS À EDUCAÇÃO: UMA REVISÃO SISTEMÁTICA DA LITERATURA Aluno: Breno
Um Método para Melhoria de Dados Estruturados de Imóveis
Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação Um Método para Melhoria de Dados Estruturados de Imóveis Lucas Nunes de Souza Proposta de Trabalho de Graduação