Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/23089
Especie: | Trabalho de conclusão de graduação |
Título : | Classificação de intenção de citação usando técnicas de aprendizado few-shot |
Autor(es)/Inventor(es): | Sousa Junior, Ivan Alvarenga de |
Tutor: | Lopes, Giseli Rabello |
Resumen: | Este estudo investiga a eficácia da metodologia de treinamento few-shot SetFit (Sentence Transformer Fine-tuning) na classificação das intenções de citação em pesquisas científicas. Com o aumento exponencial de publicações, torna-se crucial identificar trabalhos relevantes e entender as relações entre eles. Utilizando algoritmos de Processamento de Linguagem Natural (PLN), este trabalho compara a metodologia few-shot com outras abordagens tradicionais, observando o impacto do tamanho do conjunto de treinamento no desempenho dos modelos. Os resultados indicam que, mesmo com um número limitado de exemplos, a metodologia SetFit consegue refinar modelos de linguagem para classificar intenções de citação de forma eficiente, aproximando-se da precisão de modelos mais complexos. Portanto, conclui-se que a abordagem few-shot é uma alternativa promissora para aprimorar o mapeamento de intenções de citação, facilitando a construção do conhecimento e a identificação de artigos científicos relevantes. |
Materia: | Aprendizado de máquina Redes neurais Processamento de linguagem natural Natural language processing |
Materia CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Unidade de producción: | Instituto de Computação |
Editor: | Universidade Federal do Rio de Janeiro |
Fecha de publicación: | 1-abr-2024 |
País de edición : | Brasil |
Idioma de publicación: | por |
Tipo de acceso : | Acesso Aberto |
Aparece en las colecciones: | Ciência da Computação |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
IASJunior.pdf | 872.7 kB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.