A UFS preocupa-se com a sua privacidade

A UFS poderá coletar informações básicas sobre a(s) visita(s) realizada(s) para aprimorar a experiência de navegação dos visitantes deste site, segundo o que estabelece a Política de Privacidade de Dados Pessoais. Ao utilizar este site, você concorda com a coleta e tratamento de seus dados pessoais por meio de formulários e cookies.

Ciente
Notícias

Banca de DEFESA: FABRÍCIO SILVA MELO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: FABRÍCIO SILVA MELO
DATA: 11/06/2018
HORA: 09:00
LOCAL: Sala de seminários do DCOMP
TÍTULO: Extração de relações a partir de dados não estruturados baseada em deep learning e supervisão distante
PALAVRAS-CHAVES: Extração de relaçao, Classificação de relação, Supervisão distante, Redes Neurais Convolucionais
PÁGINAS: 60
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
RESUMO:

Extração de relação é a tarefa de extrair relações entre entidades nomeadas de textos em lingua- gem natural. Este trabalho apresenta uma técnica de recuperação de informação para extração de relações com redes neurais convolucionais treinadas para o reconhecimento de padrões de sentenças representadas sobre word2vec de baixa dimensão e position embeddings. Foi feita uma avaliação da distribuição de amostras em cada tipo de relação em um conjunto de dados construído por supervisão distante, a partir da base de conhecimento FreeBase, largamente utilizado para treinamento pelos mais recentes trabalhos de extração de relações.

Foi constatado que esses trabalhos fizeram referência à qualidade de classificação de relações generalizando conclusões bastante otimistas baseadas em um conjunto de dados fortemente desbalanceado, usando, inclusive, metodologias de amostragem estatisticamente inapropriadas na construção do conjunto de teste. Esse conjunto de dados foi tratado utilizando amostragem estratificada aleatória para seu uso no treinamento e teste do modelo convolucional proposto utilizando validação cruzada k-fold estratificada.

Os experimentos demonstram que o modelo proposto pode alcançar 87.0% de precisão e 88.0% de recall. Esses resultados concluem que nosso modelo supera o estado da arte em classificação de relações.


MEMBROS DA BANCA:
Presidente - 2527554 - HENDRIK TEIXEIRA MACEDO
Interno - 1194034 - LEONARDO NOGUEIRA MATOS
Externo ao Programa - 2305358 - JANIO COUTINHO CANUTO

Notícia cadastrada em: 23/05/2018 08:29
SIGAA | Superintendência de Tecnologia da Informação/UFS - - | Copyright © 2009-2024 - UFRN - bigua2.bigua2 v3.5.16 -r19032-7126ccb4cf