Ivandre Paraboni.

O projeto objetiva a investigação de modelos computacionais para detecção de sinais precoces de transtornos de depressão e ansiedade a partir de publicações em redes sociais. A investigação contempla a construção de uma base textual de grandes proporções rotulada com informações relacionadas à saúde mental de usuários Twitter em português, e o uso de métodos de aprendizado supervisionado (como redes neurais artificiais profundas, transformadores etc.) para detectar usuários com maior probabilidade de vir a desenvolver futuros transtornos deste tipo com antecipação suficiente para sinalizar estas situações antes de seu possível agravamento. Questões de pesquisa a serem investigadas incluem a detecção de transtornos de saúde mental a partir de dados textuais e a partir de características estruturais e comportamentais da rede social, e a interpretação e explicação destes modelos.

O projeto contempla a investigação de modelos computacionais de interpretação e geração automática de posicionamentos (stance) customizadas a partir de publicações em redes sociais. A investigação tira proveito de uma grande base textual no domínio Twitter brasileiro para investigar os problemas computacionais de detecção de polaridade e subjetividade de posicionamentos, adaptação de domínio, predição de posicionamentos a partir de perfis de usuários, e geração automática e customizada de posicionamentos com base em um determinado perfil alvo de interesse utilizando modelos neurais e outros.

We intend to grow resources for Brazilian Portuguese towards world state-of-the-art tools and applications, focusing on the production of million-word multi-genre corpus of Universal Dependencies-based part of speech and syntactically annotated texts and on developing and training robust parsing models. Emphasis is given to the construction and use of open and open-source resources. This project is part of the Natural Language Processing initiative of the Center for Artificial Intelligence (C4AI)

Centro de Pesquisa de Engenharia em Inteligência Artificial (IA) empenhado em conduzir pesquisas em tópicos centrais de IA e em aplicar técnicas de IA em áreas de aplicação selecionadas --- a saber, indústria de óleo e gás, agronegócios e saúde.

Modelos computacionais de reconhecimento automático de posicionamentos (do inglês, "stance") a partir de textos objetivam determinar se o autor de um texto (e.g., uma publicação em rede social) possui uma atitude - ou posicionamento - favorável, contrária ou neutra em relação a um determinado alvo (e.g., uma pessoa, empresa, produto, legislação etc.) O reconhecimento de posicionamentos é amplamente investigado no contexto da língua inglesa, tendo sido inclusive o tema de uma recente competição internacional de sistemas deste tipo. No caso do idioma português, por outro lado, o problema é pouco explorado. Com base nestas observações, o projeto objetiva o desenvolvimento de um protótipo de sistema de reconhecimento de posicionamentos de natureza moral e/ou ideológica a partir de textos em português baseado em métodos supervisionados de aprendizagem de máquina, cujos resultados iniciais servirão de referência para futuros estudo de maior escopo nesta área.

O tratamento computacional de traços de personalidade, seja para reconhecimento destes traços a partir de texto, ou para geração de texto adaptado a um conjunto de traços específico, é um tema central para desenvolvimento de aplicações de Processamento de Língua Natural (PLN) e áreas correlatas. Conhecer os traços de personalidade de um indivíduo (por exemplo, a partir de suas publicações em redes sociais) permite a produção de conteúdo personalizado de várias formas, seja para a apresentação de um website de modo a se tornar mais atraente, para a geração de propaganda mais eficaz e muitas outras. De forma análoga, saber como um indivíduo com determinados traços de personalidade se expressa em língua natural permite a reprodução deste comportamento em aplicações de Geração de Língua Natural (GLN), como a modelagem de personagens realistas de videogames, tutores inteligentes etc. Este projeto enfoca assim o tratamento computacional de traços de personalidade sob as óticas da interpretação e da geração de língua natural. Tomando por base o modelo dos Cinco Grandes fatores CGF amplamente adotado na Psicologia, o projeto prevê a coleta e anotação de um recurso linguístico-computacional básico - um córpus de textos e inventários de personalidade - para mapeamento de relações entre traços de personalidade e fenômenos linguístico variados, e o uso deste recurso para proposta de modelos computacionais de reconhecimento de personalidade a partir de texto, e de geração de texto com base em traços de interesse.

Este projeto explora a interação entre Geração de Língua Natural (GLN) e imagens, enfocando o problema de descrição de objetos em contextos visuais, com especial atenção a três desafios computacionais em aberto nesta área: (a) a produção de descrições relacionais, (b) a geração de descrições com diferentes graus de especificação, e (c) a questão da variação humana na produção destas descrições. O projeto prevê a coleta e anotação de recursos linguístico-computacionais independentes de língua e de larga escala - ou córpus de descrições de objetos em domínios visuais - e o uso deste recurso para proposta de modelos computacionais relacionado a estas questões de pesquisa (a-c). Os córpus construídos serão disponibilizados para reúso pela comunidade científica em geral, e devem assim servir de referência para a pesquisa na área de GLN aos moldes de recursos de alto impacto já existentes para outros idiomas. O modelo proposto deve avançar o estado da arte no problema computacional da descrição de objetos em domínios visuais, com aplicações práticas em áreas como a de sistemas baseados em mundos virtuais interativos e outros.

A geração de expressões de referência (GER) é um dos componentes fundamentais de aplicações de geração de língua natural (GLN). Do ponto de vista computacional, a tarefa de GER tem sido tratada considerando-se principalmente domínios (físicos ou discursivos) simplificados e/ou bidimensionais. O problema de referência em domínios físicos mais realistas (e.g., com grande complexidade estrutural e/ou tridimensionalidade), entretanto, permanece praticamente inexplorado na pesquisa da área. Neste projeto propomos uma extensão de algoritmos de GER desenvolvidos em trabalho prévio para domínios físicos tais como ambientes interativos tridimensionais, e sua posterior validação empírica nestes ambientes.

O projeto constitui um primeiro estudo de maior abrangência para desenvolvimento de modelos híbridos (combinando conhecimento linguistico na forma de regras etc. e modelos estatísticos) de realização textual para o Português do Brasil, o qual deve servir de base à pesquisa e desenvolvimento de futuras aplicações nesta área. O resultado final do projeto é um componente de realização textual baseado em templates sintaticamente estruturados adquiridos de forma automática a partir de corpus, e preenchidos com conhecimento proveniente de bases lexicais e outras, em uma abordagem de geração em dois estágios com uso de modelos estatísticos de língua. O produto desenvolvido deve ainda oferecer suporte à entrada sub-especificada e com máxima flexibilidade de adaptação a um grande número de aplicações com diferentes graus de especificidade semântica, dentre outros requisitos.

Na geração de expressões de referência (GER) em contextos físicos estruturalmente complexos, ao contrário de abordagens tradicionais para o problema, o uso de informação superespecificada para facilitar a tarefa de resolução pode ser essencial para o sucesso da comunicação. Com base nesta constatação, é então possível projetar diversos algoritmos de GER de aplicação imediata em áreas como a geração de diálogos homem-máquina e em ambientes interativos em geral,. Por outro lado, um grande número (ou talvez a maioria) das aplicações de GLN concentra-se no domínio puramente textual, envolvendo expressões de referências cujos antecedentes não são objetos de um contexto físico imediato, mas sim objetos do discurso no qual estão inseridas. Neste projeto propomos uma extensão do estudo prévio enfocando GER para domínios físicos, buscando generalizar seus resultados para situações de referência no discurso, e assim avançar em direção a uma teoria de maior cobertura deste fenômeno.

O projeto enfoca o desenvolvimento de recursos linguístico-computacionais básicos para o tratamento de expressões de referência no contexto de um tipo específico de aplicação de PLN - o dos sistemas de tradução automática para o português - devendo no entanto ser suficientemente genérico para servir de base a outras aplicações da área.