Resolução de Anáforas Pronominais Apresentação da Proposta de Projeto Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática INF.

Apresentação em tema: "Resolução de Anáforas Pronominais Apresentação da Proposta de Projeto Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática INF."— Transcrição da apresentação:

1 Resolução de Anáforas Pronominais Apresentação da Proposta de Projeto Pontifícia Universidade Católica do Rio de Janeiro Departamento de Informática INF 2915 - Aprendizado de Máquina I Prof. Ruy Milidiú 07/10/2008 Eduardo Motta

2 2 eduardo.motta@uniriotec.br 07/10/2008 Roteiro  Problema  Objetivo & Motivação  Corpus  Metodologia  Ferramentas  Cronograma  Referências

3 3 eduardo.motta@uniriotec.br 07/10/2008 Anáfora  Anáfora (do grego “transportar para trás”)  Anáforas x Co-referências Co-referências Anáforas

4 4 eduardo.motta@uniriotec.br 07/10/2008 Alguns Exemplos  Pronominal Pessoal reto Maria chegou. Ela veio de carro. Pessoal oblíquo João feriu-se. Possessivo José vendeu seu carro.  Adverbial Fui ao MAM. Lá, encontrei Maria.  Ordinal João e José tinham chances iguais, mas o primeiro foi selecionado.

5 5 eduardo.motta@uniriotec.br 07/10/2008 Catáfora Quando a anáfora acontece antes do referente Achando que ele estava sendo seguido, João deu meia- volta.

6 6 eduardo.motta@uniriotec.br 07/10/2008 Objetivo & Motivação  Identificação e classificação de anáforas pronominais em textos em linguagem natural  Aplicações  Extração de informações  Etiquetagem semântica  Auxiliar no preenchimento de ontologias de domínio

7 7 eduardo.motta@uniriotec.br 07/10/2008 Corpus  Como corpus será utilizado o Penn Treebank anotado com referências pronominais (BBN corpus)  2454 documentos do Wall Street Journal   1,2 M de tokens  Para treinamento, uma parte do corpus será utilizada  O restante do corpus será utilizado para avaliação de precisão e abrangência (recall)

8 8 eduardo.motta@uniriotec.br 07/10/2008 Metodologia  Implementar um sistema baseline com heurística para identificação inicial  Modelar as características que serão utilizadas, tais como etiquetas morfossintáticas e segmentos (chunks) do texto  Produzir gabaritos de regras para correção do erros do sistema baseline (caso seja utilizado TBL)  Experimentar diferentes modelagens e conjuntos de gabaritos (caso seja utilizado TBL)  Calcular precisão e abrangência (recall)

9 9 eduardo.motta@uniriotec.br 07/10/2008 Características Candidatas  Etiquetas morfossintáticas  Segmentação do texto (chunks)

10 10 eduardo.motta@uniriotec.br 07/10/2008 Técnicas & Ferramentas  Em fase de seleção  Técnicas candidatas  TBL  SVM

11 11 eduardo.motta@uniriotec.br 07/10/2008 Cronograma

12 12 eduardo.motta@uniriotec.br 07/10/2008 Referências  Feldman, R., Sanger, J. (2007) The Text Mining Handbook - Advanced Approaches in Analyzing Unstructured Data, Cambridge University Press, Cambridge, UK.  Jackson, P., Moulinier, I., (2002) Natural Language Processing for Online Applications – Text Retrieval, Extraction and Categorization, John Benjamins Publishing Co.  Mitkov, R. (2003) Anaphora resolution, in The Oxford Handbook of Computational Linguistic, capítulo 14, pp. 266-283. Oxford University Press, UK.  Olsson, F. (2004) A Survey of Machine Learning for Reference Resolution in Textual Discourse, SIC Technical Report T2004:02 (ISSN 1100-3154)

13 Perguntas? Comentários?