Dissertação

Interpretable Deep Learning Methods for Classifying Folktales According to the Aarne-Thompson-Uther Scheme EVALUATED

Contos e lendas populares são obras de interesse histórico e literário, dado que refletem a cultura das comunidade de onde surgiram e que os preservou. Já existem alguns trabalhos anteriores em relação à análise automática deste tipo de textos, principalmente através de modelos lineares e representações bag-of-words para tarefas de classificação deste tipo de textos. No entanto, trabalhos mais recentes têm mostrado que arquitecturas neuronais obtêm obtêm um desempenho comparativamente superior noutras tarefas de processamento de língua natural e classificação de texto. Como tal, a minha proposta é avaliar o uso de uma arquitetura de redes neuronais profundas baseada na Rede de Atenção Hierárquica (HAN) para classificar textos multilingues correspondentes a contos e lendas populares, tal como para gerar visualizações que facilitem a interpretação de resultados. Através de experiências, é demonstrado um desempenho superior ao de modelos lineares para classificar os textos de acordo com as categorias Aarne-Thompson-Uther. É também demonstrada a utilidade de atenção neuronal como método para gerar visualizações intuitivas dos resultados.
Folclorismo Computacional, Classificação de Texto, Redes Neuronais Profundas, Aprendizagem Inter-Linguística

Junho 5, 2019, 13:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Bruno Emanuel Da Graça Martins

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

David Manuel Martins de Matos

Departamento de Engenharia Informática (DEI)

Professor Auxiliar