FenixEdu™

Dissertação

Argumentation mining from textual documents combining deep learning and reasoning EVALUATED

Detalhes: A Prospeção de Argumentos é uma sub-área de Processamento de Língua Natural que está em crescimento, cujas aplicações incluem áreas como o direito e os serviços de saúde. O seu objetivo é extrair estruturas argumentativas a partir de texto. Apesar do progresso alcançado pela Aprendizagem Profunda (Deep Learning), técnicas neuronais não serão provavelmente suficientes para se compararem ao desempenho humano nesta tarefa. Isto pode dever-se ao senso comum. conhecimento prévio do mundo e capacidades de raciocínio típicas de humanos, mas que sistemas como esses não possuem. Nesse sentido, no presente trabalho, aprendizagem neuronal e raciocínio simbólico são combinados num sistema neuro-simbólico que é capaz de extrair estruturas argumentativas desde textos, assim como avaliar a força de cada argumento. A extração é baseada no modelo de Toulmin de argumentação e ultrapassa as referências existentes. Pontuações complementares também são extraídas e combinadas com um conjunto de regras que produz o cálculo final da força argumentativa, sendo um número entre 0 e 1. O desempenho do sistema foi comparado com avaliações humanas. Utilizadores podem também interagir com o sistema de várias formas, permitindo que o cálculo da força mude, assim desempenhando raciocínio cooperativo com o utilizador. Em suma, um sistema neuro-simbólico para Prospeção de Argumentos com raciocínio cooperativo com o utilizador (N-SAUR) é proposto através deste trabalho. O N-SAUR estabelece um enquadramento para investigação futura em Prospeção de Argumentos neuro-simbólica, de forma a que mais pontuações e regras podem ser adicionadas, fazendo com que o cálculo esteja cada vez mais próximo da realidade.
Keywords: Processamento de Língua Natural, Aprendizagem Automática, Prospeção de Argumentos

Discussão: junho 20, 2022, 16:30