FenixEdu™

Dissertação

Extraction, Attribution, and Classification of Quotations in Newspaper Articles EVALUATED

Detalhes: O discurso indirecto é uma parte crucial em artigos de notícias, que frequentemente dependem de citações para relatar as perspectivas e opiniões dos participantes nos eventos narrados. A capacidade de extrair e organizar com precisão estas citações é altamente relevante para aplicações de prospecção de texto com o objetivo de reduzir a intervenção humana na monitorização dos media, ajudar os jornalistas a verificar factos, ou ajudar exploradores dos media e usuários em geral a procurar notícias. Estudos anteriores abordaram a extração de discurso indirecto em artigos de notícias, embora muitas vezes tivessem limitado o estudo apenas a citações diretas e/ou utilizando métodos relativamente simples fortemente dependentes de regras pré-definidas. Este trabalho extende estudos anteriores em várias direções, avaliando a aplicação de métodos modernos de aprendizagem profunda para extração de citações (i.e., para delimitar ocorrências de citações diretas, indirectas, ou combinadas), atribuição (i.e., para atribuir citações aos seu autores correspondentes, mencionados nas vizinhanças do texto), e classificação (i.e., para atribuir às citações pontuações numéricas que codificam a valência e intensidade emocional). Aspectos particularmente inovadores incluem o uso de Nested-LSTMs, em oposição a Redes Neuronais Recorrentes (RNRs) mais comuns, ou a associação de citações aos seus valores de valência e intensidade emocional. Resultados experimentais mostram que arquiteturas neuronais relativamente simples, baseadas em RNRs, podem obter resultados muito positivos em todas as três tarefas acima mencionadas, superando resultados anteriormente relatados.
Keywords: Prospecção de Texto, Monitorização dos Media, Aprendizagem Profunda para PLN, Extracção de Discurso Reportado, Detecção de Emoções

Discussão: outubro 30, 2018, 16:30