Extraction and Classification of Named Entities

Date

• 15:30, Friday, November 5^th, 2010
• Room 336

Speaker

• Diogo Oliveira

Abstract

Num mundo dominado pela variedade de povos, culturas e línguas, cada vez mais surge a necessidade de ferramentas tecnológicas que ajudem a lidar com tanta diversidade. O Processamento de Língua Natural é uma área da Ciência da Computação e Linguística na qual é difícil trabalhar, pela ambiguidade que é inerente às línguas faladas por todo o mundo. Melhorias nesta área trazem desde logo vantagens óbvias:
- Tradução automática de textos ou de páginas de Internet, que aproxima as pessoas de informação (à partida) desconhecida;
- Sumarização automática de longos documentos, que poupa tempo precioso;
- Reconhecimento da fala, que cada vez mais torna a dicção de textos uma realidade;
- Entre muitas outras aplicações no mundo real.
Sem dúvida, esta é uma área a apostar para o futuro.

Esta dissertação trata de uma das muitas tarefas presentes na área do Processamento de Língua Natural: o Reconhecimento de Entidades Mencionadas, neste caso em textos portugueses. Actualmente, o INESC-ID Lisboa possui uma cadeia de processamento de língua natural na qual está inserido o sistema que foi usado nesta dissertação. Em particular, os principais objectivos deste trabalho foram:
- Fazer um estudo comparativo dos sistemas que, hoje em dia, fazem Reconhecimento de Entidades Mencionadas em português;
- Propor um novo conjunto de Directivas de Classificação para textos em português, substituindo assim as Directivas de 2007 e 2008;
- Melhorar o sistema usado no INESC-ID Lisboa;
- Avaliar o trabalho efectuado, usando métricas de avaliação como a precisão e a abrangência.

Note: This seminar will be held in Portuguese.