Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/23629
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Silva, João Carlos Pereira da | - |
dc.contributor.author | Proença, Vinícius Lettiéri | - |
dc.date.accessioned | 2024-09-06T16:03:06Z | - |
dc.date.issued | 2024-07-19 | - |
dc.identifier.uri | http://hdl.handle.net/11422/23629 | - |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal do Rio de Janeiro | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Geração aumentada por recuperação | pt_BR |
dc.subject | Grandes modelos de linguagem | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Retrieval-augmented generation | pt_BR |
dc.subject | Large language model | pt_BR |
dc.subject | Automated literature review | pt_BR |
dc.title | Automatização da revisão de literatura científica com geração aumentada por recuperação | pt_BR |
dc.type | Trabalho de conclusão de graduação | pt_BR |
dc.contributor.referee1 | Lopes, Giseli Rabello | - |
dc.contributor.referee2 | Silva, Vivian dos Santos | - |
dc.description.resumo | A revisão de literatura, embora essencial para a pesquisa científica, é muitas vezes percebida como uma etapa exploratória demorada, que poderia ser melhor aproveitado para pensamento crítico e na experimentação. Os Grandes Modelos de Linguagem (LLMs) revolucionaram a busca de informações, fazendo uma transição da exploração ativa para uma experiência mais passiva de recuperação de informação. No entanto, quando utilizados como fonte primária de conhecimento, os modelos muitas vezes produzem conteúdo impreciso ou “alucinado” e carecem de atualizações de informações em tempo real, devido à dependência da memória paramétrica do modelo. O paradigma da Geração Aumentada por Recuperação (RAG) surgiu como uma solução para esses desafios de lidar com tarefas de intenso uso de conhecimento, combinando a robusta capacidade da recuperação de informação tradicional com a sofisticada geração de texto de LLMs. Este estudo pro põe utilizar a arquitetura RAG para auxiliar na automatização da fase de levantamento bibliográfico para revisões de literatura, contando com uma recuperação de documentos relevantes aprimorada, com maior compreensão do conteúdo dos documentos, e uma experiência de usuário enriquecida por meio de sumarização do material e síntese da relevância dos resultados. O objetivo é simplificar o processo de busca, com resultados mais relevantes e permitindo uma pré-seleção mais eficiente, através das sumarizações. O estudo foca em documentos científicos em português, para expandir o campo de estudo para além do inglês. Os resultados finais são promissores para recuperação e geração, indicando potencial para ampliar a pesquisa para um banco de dados mais completo. | 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 |
dc.embargo.lift | 2024-09-07T16:03:06Z | - |
Appears in Collections: | Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
VLProença.pdf | 979.4 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.