• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Master's Dissertation
DOI
https://doi.org/10.11606/D.100.2021.tde-06092021-142746
Document
Author
Full name
José Pereira Delmondes Neto
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2021
Supervisor
Committee
Paraboni, Ivandre (President)
Caseli, Helena de Medeiros
Pérez Alcazár, José de Jesus
Title in Portuguese
Caracterização autoral interdomínio a partir de textos
Keywords in Portuguese
Caracterização Autoral Interdomínio
Processamento de Língua Natural
Redes Neurais Artificiais
Abstract in Portuguese
Na área de processamento de língua natural, entende-se por caracterização autoral uma tarefa computacional que tem por objetivo extrair informações sociais e psicológicas dos indivíduos, como gênero e faixa etária, por meio de suas produções textuais. Modelos computacionais de caracterização autoral são comumente empregados em áreas como marketing e segurança, dentre outras. Estes modelos geralmente são de domínio único, i.e., são treinados e validados no mesmo gênero textual, o que faz com que sua portabilidade para outros gêneros seja limitada. Em contrapartida aos modelos de domínio único, modelos interdomínio, que são validados em gêneros textuais diferentes dos que foram treinados, podem ser uma alternativa para casos em que não há dados suficientes para o treinamento de um modelo computacional. Um exemplo seria a utilização de dados do Twitter (domínio que dispõem de grande volume de dados) para o desenvolvimento de modelos de caracterização autoral a serem utilizados em e-mails, domínio onde é mais difícil obter um volume de dados suficiente para o treinamento dos modelos. O presente trabalho apresenta uma proposta de pesquisa em nível de mestrado na área de processamento de língua natural, com ênfase em caracterização autoral, com o objetivo geral de desenvolver modelos de aprendizagem de máquina supervisionada baseados em redes neurais artificiais para a tarefa de caracterização autoral interdomínio, de modo a se obter uma alternativa robusta aos modelos de domínio único, com perda de acurácia reduzida se comparada a modelos equivalentes baseados em domínio único
Title in English
Cross domain author profiling from texts
Keywords in English
Artificial Neural Netwok
Cross-Genre Author Profiling
Natural Language Processing
Abstract in English
In the area of natural language processing, author profiling is a computational task that aims to extract social and psychological information from individuals, such as gender and age group, through their textual productions. Computational models of author profiling are commonly used in areas such as marketing and security, among others. These models are usually based on a single domain, i.e., they are trained and validated in the same domain, which makes their portability to other domains limited. In contrast to single domain models, cross-genre models, which are validated in different domains than those on which they were trained, may be an alternative for cases in which there is not enough data for training a computational model. An example would be the use of Twitter data (a domain that has a large amount of data) for the development of author profiling models to be used in e-mails, a domain in which it is more difficult to obtain a sufficient amount of data for the training of the models. The present work introduces a proposal for a MSc research in the area of natural language processing, focused on author profiling, with the general objective of developing supervised machine learning models based on artificial neural networks for the task of cross-genre author profiling, in order to obtain a robust alternative to single domain models, with reduced loss of precision compared to equivalent cross-genre models
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2022-05-16
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2022. All rights reserved.