Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11422/23089
Tipo: 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
Orientador: Lopes, Giseli Rabello
Resumo: 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.
Palavras-chave: Aprendizado de máquina
Redes neurais
Processamento de linguagem natural
Natural language processing
Assunto CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Unidade produtora: Instituto de Computação
Editora: Universidade Federal do Rio de Janeiro
Data de publicação: 1-Abr-2024
País de publicação: Brasil
Idioma da publicação: por
Tipo de acesso: Acesso Aberto
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
IASJunior.pdf872.7 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.