Título do projeto: Tratamento da Negação na Língua Portuguesa
Nível: Iniciação Científica
Breve descrição: A negação é um fenômeno muito importante na linguagem humana e sua realização pode se dar de maneiras distintas. Por exemplo, no português podemos expressar diretamente a negação em frases como "Amanhã eu não vou à aula" mas também indiretamente como "Amanhã eu vou faltar à aula". O processamento da negação em uma sentença é composto, geralmente, por quatro etapas fundamentais: (i) detecção do sinal (cue) de negação, para identificar as palavras que expressam a negação; (ii) identificação do escopo, para determinar quais partes da sentença são afetadas pelos sinais de negação; (iii) reconhecimento de eventos negados, para determinar quais eventos são afetados pelos sinais de negação; e (iv) detecção do foco, para identificar a parte do escopo que é mais fortemente negada. Este projeto visa desenvolver recursos linguísticos computacionais (modelos treinados) capazes de identificar corretamente a negação em textos em português brasileiro. Este projeto é desenvolvido no âmbito do Instituto Nacional de Ciência e Tecnologia em Inteligência Artificial Responsável para Linguística Computacional, Tratamento e Disseminação de Informação (INCT TILDIAR).
Agência financiadora:
CNPq (09/2026-08/2027)
Orientadoras:
Profa. Dra. Viviane Pereira Moreira (UFRGS)
Profa. Dra. Daniela Barreiro Claro (UFBA)
Título do projeto: Triagem inteligente de tweets para o Processamento de Linguagem Natural
Nível: Iniciação Científica
Breve descrição: Atualmente, um dos maiores desafios da computação é lidar com a vasta quantidade de informações geradas a cada minuto. No Processamento de Linguagem Natural (PLN), subárea da Inteligência Artificial, diante da inviabilidade de processar absolutamente todos os textos disponíveis, surge a necessidade de filtrar os que serão utilizados como fonte de informação no desenvolvimento de algum sistema/modelo. Como estratégia de filtragem, pode-se determinar como parâmetro a utilidade que cada texto pode desempenhar para uma ou mais tarefas de PLN. Por exemplo, um texto com uma carga emocional intensa pode apresentar alta utilidade para a Análise de Sentimentos, mas ser pouco útil na geração de Sumários informativos; já um texto repleto de expressões ofensivas pode ser útil para a detecção de discurso de ódio, mas ser pouco desejado no treinamento de um chatbot. Portanto, este projeto tem como objetivo desenvolver uma ferramenta flexível e explicável de triagem inteligente de tweets da rede social Twitter/X. Tal ferramenta irá classificar a utilidade de tweets para diversas tarefas de PLN. Com isso, busca-se contribuir significativamente para a eficácia e eficiência das aplicações da área.
Agência financiadora:
CNPq/PIBIC (09/2024-08/2025)
Orientadora: Profa. Dra. Helena de Medeiros Caseli
Publicação decorrente deste projeto:
TEIXEIRA, L. P.; CASELI, H. M. Triagem inteligente de tweets para o Processamento de Linguagem Natural. In: Anais do XXXI Congresso de Iniciação Científica da UFSCar, São Carlos, SP, p. 519-519, 2025.
TEIXEIRA, Laura Pessine; CASELI, Helena de Medeiros. Heurísticas vs. LLMs na triagem de tweets: avaliando pistas linguísticas para tarefas de PLN em português. In: SIMPÓSIO BRASILEIRO DE TECNOLOGIA DA INFORMAÇÃO E DA LINGUAGEM HUMANA (STIL), 17. , 2026, Cuiabá/MT. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2026 . p. 626-631. DOI: https://doi.org/10.5753/stil.2026.29820.
laurapessine@estudante.ufscar.br