Orientador(es): FABRICIO RAPHAEL SILVA PEREIRA
Área temática: INFORMÁTICA
Modalidade de apresentação: SESSÃO DE PÔSTER
Bolsa: IC/UNIRIO
As mídias sociais são fontes ricas de informações sobre eventos do mundo real, e embora existam técnicas para sua detecção, a descoberta de relações complexas entre esses eventos ainda é um campo com lacunas significativas. A identificação de relações como causalidade, correlação e semelhança entre eventos é um desafio frequentemente ignorado. Adicionalmente, a modelagem conceitual desses eventos costuma ser simplista, o que dificulta análises profundas e a criação de representações semânticas coesas e eficazes. Este projeto visa investigar e desenvolver modelos de aprendizado de máquina não supervisionados que identifiquem múltiplos tipos de relações entre eventos textuais. O foco do plano de estudo discente é aprimorar o modelo Autoenconder Neural Event Model (AutoNEM), proposto originalmente por Pereira (2018), para superar suas limitações. A abordagem estrutura os eventos textuais no padrão 5W1H (Who, What, When, Where, Why, How), validando a hipótese de que essa representação gera uma semântica mais coesa quando processada por camadas recorrentes. A arquitetura do modelo permite não apenas codificar o evento como um todo, mas também codificar partes específicas do evento, aprimorando a capacidade de análise detalhada e aprofundada. O projeto, aplica técnicas de aprendizado profundo para processar essa estrutura e gerar vetores que representem os eventos de forma eficaz. Como ponto de partida, o trabalho busca avançar sobre o modelo AutoNEM original. As etapas iniciais do plano de estudo envolveram o pré-processamento de dados e a geração de representações de palavras com modelos de word embeddings (word2vec) para alimentar a estrutura 5W1H. Até o momento, as atividades de coleta de dados e preparação de eventos estruturados foram parcialmente executadas. Um novo modelo foi construído e treinado, encontrando-se em fase final de avaliação. Além disso, principalmente, os resultados preliminares obtidos se mostraram similares aos encontrados na literatura da área.
Pereira, F. R. (Março de 2018). Relationship Between Detected Events in Online Media. Rio de Janeiro: UFRJ/COPPE/Programa de Engenharia de Sistemas e Computação. Fonte: http://hdl.handle.net/11422/13154 Galassi, A., Lippi, M., & Torroni, P. (2021). Attention in Natural Language Processing. IEEE Transactions on Neural Networks and Learning Systems, 32(10), pp. 4291-4308. doi:10.1109/TNNLS.2020.301