Classificação de intenção de citação usando técnicas de aprendizado few-shot

Sousa Junior, Ivan Alvarenga de

Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/23089

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Lopes, Giseli Rabello	-
dc.contributor.author	Sousa Junior, Ivan Alvarenga de	-
dc.date.accessioned	2024-07-05T17:35:25Z	-
dc.date.available	2024-07-07T03:00:17Z	-
dc.date.issued	2024-04-01	-
dc.identifier.uri	http://hdl.handle.net/11422/23089	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal do Rio de Janeiro	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Aprendizado de máquina	pt_BR
dc.subject	Redes neurais	pt_BR
dc.subject	Processamento de linguagem natural	pt_BR
dc.subject	Natural language processing	pt_BR
dc.title	Classificação de intenção de citação usando técnicas de aprendizado few-shot	pt_BR
dc.type	Trabalho de conclusão de graduação	pt_BR
dc.contributor.referee1	Silva, João Carlos Pereira da	-
dc.contributor.referee2	Campos, Maria Luiza Machado	-
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.department	Instituto de Computação	pt_BR
dc.publisher.initials	UFRJ	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO	pt_BR
dc.embargo.terms	aberto	pt_BR
Appears in Collections:	Ciência da Computação

Files in This Item:

File	Description	Size	Format
IASJunior.pdf		872.7 kB	Adobe PDF	View/Open

Show simple item record Recommend this item View Statistics

Pantheon Institutional repository