• 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
10.11606/D.100.2018.tde-16102018-113303
Document
Author
Full name
Danielle Sampaio Monteiro
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2018
Supervisor
Committee
Paraboni, Ivandre (President)
Benedito-Silva, Ana Amélia
Carvalho, Ariadne Maria Brito Rizzoni
Delgado, Karina Valdivia
Title in Portuguese
Seleção de conteúdo referencial com base em traços de personalidade
Keywords in Portuguese
Geração de Expressões de Referência
Modelo dos Cinco Grandes Fatores
Traços de Personalidade
Abstract in Portuguese
O presente trabalho traz um estudo no âmbito de Geração de Língua Natural, com ênfase na tarefa de Geração de Expressões de Referência (GER), a qual consiste em gerar expressões referenciais semelhantes às produzidas por humanos. Existem estudos que exploram o uso da variação individual do ser humano no aprendizado do padrão de seleção de conteúdo na construção de descrições, contudo, treinar tais conjuntos de dados é computacionalmente caro. O trabalho apresenta um modelo de seleção de conteúdo para GER, baseado em traços de personalidade, o qual generaliza padrões de comportamentos referenciais similares em cada perfil de personalidade. Na pesquisa também realizou-se um levantamento bibliográfico sobre o tema, e construiu-se um córpus com expressões de referência contendo informações de personalidade de cada participante, as quais foram anotadas tomando por base o modelo dos Cinco Grandes Fatores. Este córpus tem como finalidade ser utilizado como entrada tanto no modelo desenvolvido, como em outros estudos na área. Os resultados comprovam que modelos de GER dependentes da personalidade superam os algoritmos GER tradicionais, e que são uma alternativa viável em abordagens que dependam da variação de locutores
Title in English
Selection of referential content based on personality traits
Keywords in English
Big Five
Generation of Reference Expressions
Personality Traits
Abstract in English
The present work presents a study in the field of Generation of Natural Language, with emphasis on the task of Generation of Reference Expressions (GER), which is to generate reference expressions similar to those produced by humans. There are studies that explore the use of individual human variation in learning the pattern of content selection in the construction of descriptions, however, training such datasets is computationally expensive. The paper presents a content selection model for GER based on personality traits, which generalizes patterns of similar referential behavior in each personality profile. The research also carried out a bibliographic survey on the subject, and a corpus was constructed with reference expressions containing personality information of each participant, which were annotated based on the model of the Five Great Factors. This corpus is intended to be used as an input in both the developed model and other studies in the area. The results show that personality-dependent GER models exceed traditional GER algorithms, and are a viable alternative in approaches that depend on the variation of speakers
 
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.
Danielle_corrigida.pdf (987.51 Kbytes)
Publishing Date
2018-11-14
 
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 © 2001-2020. All rights reserved.