Mestrado (2022 - 2025)

• Título do projeto: ToMAS: Sumarização Abstrativa Multinível Baseada em Tópicos usando LLMs

• Nível: Mestrado

• Breve descrição: Recentemente, as discussões políticas no Brasil ganharam destaque, tornando-se um dos tópicos mais debatidos nas redes sociais. Fatores como a diversidade de temas, a ocorrência de eventos que atraem a atenção do público e o constante aumento no volume de mensagens tornaram desafiadora a tarefa de identificar de forma clara, concisa e objetiva os principais tópicos das postagens. Nesse contexto, este estudo propõe um novo método automático que explora o uso de técnicas automáticas de geração de tópicos e sumarização em múltiplos níveis utilizando modelos de linguagem de grande escala. O método proposto foi avaliado para gerar resumos (sumários) a partir de tweets sobre o domínio da política brasileira coletados durante as eleições presidenciais de 2022. Além do método de sumarização multinível, foi proposto também um novo método de avaliação de sumários baseado na estratégia de divisão e conquista para a aplicação da medida de avaliação automática BERTSCore em textos extensos,o qual também agrega o tamanho da sentença gerada como um peso no valor da avaliação. Análises qualitativas e quantitativas indicam que a combinação dessas técnicas foi capaz de extrair e resumir os principais tópicos com sucesso, demonstrando um grande potencial para ser uma ferramenta informativa útil na avaliação de diferentes opiniões, questões e temas discutidos publicamente.

• Orientador: Profa. Dra. Helena de Medeiros Caseli 

• Publicação decorrente deste projeto:

  • CAPELLARO, L. ToMAS: Sumarização abstrativa multinível baseada em tópicos usando LLMs. Dissertação de Mestrado - Programa de Pós-graduação em Ciência da Computação da UFSCar. São Carlos, SP. Disponível em: https://repositorio.ufscar.br/handle/20.500.14289/21352

Contato

• leonardocapellaro@hotmail.com