• • Breve descrição: A depressão causa sofrimento clinicamente significativo e/ou prejuízo no funcionamento social do indivíduo. Há consenso na área da saúde que, nesses casos, é preciso oferecer um modelo de atenção amplo, não restrito ao fármaco. Nesse contexto, tem-se buscado criar soluções que possam apoiar o diagnóstico e as intervenções para pessoas com possível perfil depressivo (PPD), analisando o comportamento delas na Internet, mais especificamente em Redes Sociais Online (RSO). As pesquisas atuais adotam análise de texto para tentar identificar pessoas com PPD em RSO. No entanto, PPD podem intencionalmente alterar o texto para gerar um impacto social desejado. Um dos desafios científicos deste projeto é combinar a análise textual das postagens em RSO com sinais fisiológicos e escalas de avaliação psicométrica visando uma identificação de PPD mais precisa. Além da identificação, entende-se que as opções de interação oferecidas em RSO poderiam ser exploradas como canais de intervenção personalizada por uma solução computacional capaz de dialogar com PPD. Assim, este projeto visa, por meio de uma abordagem de pesquisa quali-quanti, investigar uma nova solução em computação para a Internet, que identifique usuários brasileiros com PPD e fornecer e testar clinicamente uma intervenção autônoma, especializada e personalizada via RSO. Essa solução se materializa como uma infraestrutura computacional e pressupõe a construção de um modelo multifatorial para a identificação e um modelo de intervenção que explora além do texto, mídias que fazem sentido em RSO como imagem e música.

  • Agência financiadora: FAPESP (Auxílio Regular 2020/05157-9: 01/04/2021 a 31/09/2023)

  • Coordenadora na UFSCar: Profa. Dra. Vânia Paula de Almeida Neris (04 a 07/2021 e a partir de 09/2022) e Profa. Dra. Helena de Medeiros Caseli  (08/2021 a 08/2022)

  • Equipe de professores:

    • Prof. Dr. Jair Borges Barbosa Neto  - professor (DMed/UFSCar)

    • Profa. Dra. Taís Bleicher  - professora (DPsi/UFSCar)

    • Profa. Dra. Vivian Genaro Motti - professora (George Mason University, EUA)

    • Profa. Dra. Heloisa Cristina Figueiredo Frizzo - professora (UFTM)

    • Prof. Dr. Luciano de Oliveira Neris - professor (DC/UFSCar)

    • Prof. Dr. Hélio Crestana Guardia (DC/UFSCar)

    • Profa. Dra. Larissa Campagna Martini Barbosa (DMed/UFSCar)

  • Alunos do LALIC:

    • Augusto Rozendo Mendes (2020-2021) - aluno de Iniciação Científica (DC/UFSCar) e mestrado (PPGCC/UFSCar)

    • Rafael Vinicius Polato Passador (2021-2022) - aluno de Iniciação Científica (DC/UFSCar)

  • Publicações da equipe do LALIC neste projeto:

    • MENDES, A. R.; CASELI, H. M. Identifying Fine-grained Depression Signs in Social Media Posts. In: Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024), pages 8594–8604, Torino, Italy. ELRA and ICCL. https://aclanthology.org/2024.lrec-main.754/

    • MENDES, Augusto Rozendo. Detecção automática de postagens possivelmente depressivas em redes sociais. 2021. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/15174 .

    • MENDES, Augusto R.; PASSADOR, Rafael V. P.; CASELI, Helena M.. Identificando sintomas de depressão em postagens do Twitter em português do Brasil. In: SIMPÓSIO BRASILEIRO DE TECNOLOGIA DA INFORMAÇÃO E DA LINGUAGEM HUMANA (STIL), 13. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021. p. 162-171. DOI: https://doi.org/10.5753/stil.2021.17795.

"As opiniões, hipóteses e conclusões ou recomendações expressas neste material são de responsabilidade do(s) autor(es) e não necessariamente refletem a visão da FAPESP"

• • Breve descrição: A Embrapa é uma empresa brasileira, criada em 1973, que tem como foco a geração de conhecimentos e tecnologias para a agropecuária brasileira. Grande parte do conhecimento produzido pela Embrapa ao longo de quase 50 anos está disponível em textos, ou seja, informação não estruturada. Esse Projeto visa a construção de produtos linguístico-computacionais que mapearão o conhecimento terminológico no domínio agropecuário. Nesse contexto, as técnicas e métodos propostos na área de Processamento de Língua Natural (PLN), Aprendizado de Máquina (AM) e, em especial, redes neurais artificiais, surgem como uma alternativa para extrair dos textos o conhecimento necessário para embasar ou alimentar os sistemas inteligentes. O processamento mais inteligente dessas informações pode garantir a precisão no reconhecimento e classificação de textos, em tarefas como similaridade textual e extração de termos, fundamentais para a melhoria dos processos de gestão da informação e conhecimento da Embrapa.

  • Agência financiadora: CNPq (01/10/2022 a 30/09/2023)

  • Coordenadora na UFSCar: Profa. Dra. Helena de Medeiros Caseli 

  • Equipe de professores:

    • Prof. Dr. Leandro Henrique Mendonça de Oliveira (Embrapa)

  • Alunos do LALIC:

    • Luana de Queiroz Garcia

    • Miguel Henrique Chinellato

• • Breve descrição: Um dos grandes desafios atuais, tanto para a indústria quanto para a academia, é o processamento eficaz de quantidades cada vez maiores de informação para transformá-la em conhecimento. Essa informação geralmente é veiculada na forma de textos em língua natural (português, inglês, espanhol, etc.) ou recursos visuais (imagens e vídeos, por exemplo). Trata-se, portanto, de uma fonte rica de conhecimento útil para aplicações e sistemas computacionais inteligentes, geralmente obtidos via Aprendizado de Máquina (AM). No que se refere ao tratamento de texto, a área de Processamento de Língua Natural (PLN) tem investigado, proposto e desenvolvido diversos métodos, recursos e ferramentas capazes de lidar com o conteúdo em língua natural. O Processamento de Imagens (PI) tem propósito similar no que tange a imagens e vídeos. Esse projeto visa trabalhar nessas três áreas -- AM, PLN e PI -- em um domínio específico, que é o do e-commerce. Esse projeto é uma parceria com a B2W Digital, empresa líder em comércio eletrônico na América Latina. A B2W opera por meio de uma plataforma digital, com negócios que apresentam forte sinergia e um modelo único, multicanal, multimarca e multinegócios. Nesse contexto, este projeto visa trabalhar em três frentes de pesquisa, todas relacionadas às informações referentes aos produtos à venda em sites de e-commerce: (1) extração e organização da informação sobre tais produtos, (2) processamento conjunto de informações em modalidades diferentes (texto e imagem) referentes a esses produtos, e (3) avaliação da qualidade da informação apresentada ao cliente. Para tanto, prevê-se que a equipe deste projeto seja composta por 3 docentes orientadores, 2 alunos de mestrado e 6 alunos de graduação, todos dos cursos de computação do DC/UFSCar, no desenvolvimento de 4 subprojetos.

  • Empresa parceira/financiadora: B2W Digital (agora americanas s.a.)

  • Coordenadora na UFSCar: Profa. Dra. Helena de Medeiros Caseli

  • Equipe na UFSCar:

    • Prof. Dr. Daniel Lucrédio (2020-2022)  - professor (DC/UFSCar)

    • Prof. Dr. Diego Furtado Silva (2020-2022)  - professor (DC/UFSCar)

    • Alan da Silva Romualdo (2020-2022) -  mestrando do PPGCC/UFSCar (estagiário B2W Digital)

    • João Gabriel Melo Barbirato (2020-2022) -  mestrando do PPGCC/UFSCar (estagiário B2W Digital)

    • Bruno Silva Sette (2020-2023) - doutorando do PPGCC/UFSCar (colaborador americanas s.a.)

    • Fernando Rezende Zagatti (2020-2023) - doutorando do PPGCC/UFSCar (colaborador americanas s.a.)

    • Lucas Nildaimon dos Santos Silva (2020-2023) - doutorando do PPGCC/UFSCar (colaborador americanas s.a.)

    • Alcides Mignoso e Silva (2020) - graduando do DC/UFSCar (membro da equipe do Projeto Integrador Extensionista de Extração de Atributos)

    • Wesley Galvão (2021) - graduando do DC/UFSCar (membro da equipe do Projeto Integrador Extensionista de Extração de Atributos)

    • Bianca Moreira Lopes (2020-2021) - graduanda do DL/UFSCar (membro da equipe do Projeto Integrador Extensionista de Extração de Atributos)

    • Karina Mayumi Johansson (2020-2021) - graduanda do DC/UFSCar (membro da equipe do Projeto Integrador Extensionista de Extração de Atributos)

    • Fernanda Malheiros Assi (2020-2021) - graduanda do DC/UFSCar (membro da equipe do Projeto Integrador Extensionista de Avaliação de Títulos de Produtos) 

    • Julia Trovó Caetano de Jesus (2020-2021) - graduanda do DL/UFSCar (membro da equipe do Projeto Integrador Extensionista de Avaliação de Títulos de Produtos)  

    • Reynold Navarro Mazo (2020-2021) - graduando do DC/UFSCar (membro da equipe do Projeto Integrador Extensionista de Avaliação de Títulos de Produtos) 

• • Breve descrição: Com a disponibilização cada vez maior de informação na web, o processamento e a recuperação de informação textual e visual são atividades imprescindíveis na geração automática de conhecimento. Como a maior parte da informação disponibilizada na web é composta de texto em língua natural e de imagens, processá-los de modo "inteligente" envolve, necessariamente, o entendimento (a interpretação) do significado da informação que eles transmitem. Uma das formas mais utilizadas para representação do conteúdo semântico é a representação semântica distribuída, a qual está baseada na hipótese distribucional que estabelece que o sentido de uma palavra é dado por seu contexto de ocorrência. Embora a fonte principal para extração de conhecimento semântico usando a hipótese distribucional sejam os corpora, outras fontes de informação extralinguísticas, como imagens, também devem ser levadas em consideração. A combinação de múltiplas fontes de informação na geração de representações semânticas é denominada representação semântica distribuída multimodal. A essa nova linha de investigação soma-se o recente interesse nos modelos de representação distribuída baseados em redes neurais, também conhecidos como modelos de aprendizado profundo (deep learning). Nesse contexto, este projeto visa investigar o uso de fontes diversas de conhecimento, como textos paralelos/comparáveis e imagens, na modelagem semântica distribuída de textos em língua natural a fim de enriquecer as informações utilizadas em aplicações de Processamento de Língua Natural e Recuperação de Informação.

  • Agência financiadora: FAPESP (Auxílio Regular 2016/13002-0: 01/10/2016 a 31/10/2018)

  • Coordenadora: Profa. Dra. Helena de Medeiros Caseli

  • Equipe:

    • Profa. Dra. Eloize Rossi Marques Seno (2016-2018) - professora (IFSP/São Carlos)

    • Prof. Dr. Jander Moreira (2016-2018) - professor (DC/UFSCar)

    • Pablo Botton da Costa (2016) - mestrando do PPGCC/UFSCar

    • Wellington Cristiano Veltroni (2016-2018) - mestrando do PPGCC/UFSCar (bolsista CNPq)

    • Natalie Lourenço Vargas (2016-2018) - mestranda do PPGCC/UFSCar (bolsista CNPq)

    • Cristiano Ornelas Ribeiro (2016) - aluno de Iniciação Científica (DC/UFSCar)

    • Lucas Hochleitner da Silva (2016-2017) - aluno de Iniciação Científica (DC/UFSCar)

    • Miguel Gonçalves Vieira (2016-2018) - aluno de Iniciação Científica (DC/UFSCar)

    • Clarissa Lenina Scandarolli (2016-2017) - aluno de Iniciação Científica (DEE/UFSCar)

    • Fernando Tadao Ito (2016-2018) - mestrando do PPGCC/UFSCar (bolsista CNPq)

    • Jéssica Rodrigues da Silva (2016-2018) - mestranda do PPGCC/UFSCar

    • Márcio Lima Inácio (2017-2018) - aluno de Iniciação Científica (DC/UFSCar)

    • Tulio Reis Carvalho (2017-2018) - aluno de Iniciação Científica (DC/UFSCar)

    • Cássio Faria da Silva (2017-2018) - doutorando do PPGCC/DC/UFSCar

    • Antônio Manoel dos Santos Almeida Neto (2018) - mestrando do PPGCC/DC/UFSCar

    • João Gabriel Melo Barbirato (2018) - aluno de Iniciação Científica (DC/UFSCar)

"As opiniões, hipóteses e conclusões ou recomendações expressas neste material são de responsabilidade do(s) autor(es) e não necessariamente refletem a visão da FAPESP"

• • Breve descrição: This project aims to investigate techniques, resources and protocols for evaluating and integrating models of multiword expression (MWE) processing into machine translation and automatic speech recognition technology. MWEs like nominal compounds (machine learning, weapons of mass destruction) and verb particle constructions (break down, clear up) are a challenge for current language technology. They often require additional knowledge for correct computational interpretation due to their often opaque and idiomatic semantics. For instance, failing to recognize that an MWE like kick the bucket needs to be interpreted as a unit (to die) may lead to incorrect translations. The AIM WEST project addresses the automatic treatment of MWEs focusing on Portuguese, English and French, and on Portuguese↔English, French↔English and Portuguese↔French translation. The main contribution of the project will be the development of enabling multilingual human machine interfaces that can take into account such complex phenomena as MWEs.

  • Agência financiadora: FAPESP (Auxílio 2013/50757-0: 01/03/2014 a 28/02/2017)

  • Coordenadora na UFSCar: Profa. Dra. Helena de Medeiros Caseli

  • Equipe na UFSCar:

    • Profa. Dra. Eloize Rossi Marques Seno (2014-2017) - professora (IFSP/São Carlos)

    • Pablo Botton da Costa (2015-2016) - mestrando do PPGCC/UFSCar (bolsista CNPq)

    • Natalie Lourenço Vargas (2016-2017) - mestranda do PPGCC/UFSCar (bolsista CNPq)

    • Prof. Dr. Estevam Rafael Hruschka Júnior (2014-2015) - professor (DC/UFSCar)

    • Paulo Henrique Barchi (2014-2015) - mestrando do PPGCC/UFSCar

    • MSc. Débora Martins (2015-2016) - mestre (ex-aluna do PPGCC/UFSCar)

    • Thiago Lima Vieira (2012-2016) - ex-aluno do PPGCC/UFSCar

    • MSc. Leonardo Sameshima Taba (2013-2014) - mestre (ex-aluno do PPGCC/UFSCar)

    • Paulo César Polastri (2013-2016) - mestrando do PPGCC/UFSCar

    • Alexandre Coelho Rondon (2014) - graduando (TCC DC/UFSCar)

    • Cristiano Ornelas Ribeiro (2013-2014) - aluno de Iniciação Científica (voluntário)

    • Gleno Mário Pinheiro da Silva Mendes (2015) - graduando (CAPES/Jovens Talentos)

    • Rafael Oliveira Teixeira (2015) - graduando (PET/IFSP/São Carlos)

"As opiniões, hipóteses e conclusões ou recomendações expressas neste material são de responsabilidade do(s) autor(es) e não necessariamente refletem a visão da FAPESP"

• • Breve descrição: Esta Atividade de Extensão tem como objetivo aplicar técnicas de inteligência artificial e aprendizado de máquina para processar informações sobre produtos em páginas Web de e-commerce. A maior parte da informação online é veiculada em língua natural e acompanhada de imagens. O processamento automático e inteligente destas informações faz-se necessário para extrair delas conhecimento útil para desenvolvimento de sistemas inteligentes. Para tanto, nesta atividade serão investigadas, propostas e implementadas ferramentas capazes de extrair conhecimento de texto em língua natural e imagens disponíveis em páginas de descrição de produtos.

  • Empresa parceira/financiadora: Boo

  • Coordenadora na UFSCar: Profa. Dra. Helena de Medeiros Caseli

  • Equipe na UFSCar:

    • Prof. Dr. Jander Moreira (2014-2016) - professor (DC/UFSCar)

    • Fernando Tadao Ito (2015-2016) - mestrando do PPGCC/UFSCar (estagiário Boo)

    • Lucas Hochleitner da Silva (2014-2016) - aluno de Iniciação Científica (estagiário Boo)

    • Cristiano Ornelas Ribeiro (2015-2016) - aluno de Iniciação Científica (estagiário Boo)

    • Miguel Gonçalves Vieira (2015-2016) - aluno de Iniciação Científica

    • Márcio Lima Inácio (2014-2015) - aluno de Iniciação Científica (estagiário Boo)

    • Leonardo Henrique Tozzatto Volpe (2014-2016) - aluno de Iniciação Científica (estagiário Boo)

• • Breve descrição: The objective of the project is the development of tools for the syntactico-semantic analysis of Spanish and Portuguese. To do this, we aim to build a framework to integrate the different capabilities and resources of the groups involved. In particular, we want to integrate different lines of work on compositional semantics and enriched lexica: the Lexicon-Grammar tables, verbal subcategorization frames, multiword expressions, grammatical formalisms with enough expressivity to integrate this information, and learning mechanisms capable of building complex models from examples at these levels of analysis.

  • Agência financiadora: CAPES (Auxílio Financeiro 047/14)

  • Coordenadora na UFSCar: Profa. Dra. Helena de Medeiros Caseli

  • Equipe na UFSCar:

    • Prof. Dr. Oto Araújo Vale - professor (Departamento de Letras/UFSCar)

    • Thiago Lima Vieira - mestrando do PPGCC/UFSCar (bolsista CNPq)

    • MSc. Débora Martins - doutoranda do PPGCC/UFSCar (bolsista CAPES)

    • Cristiano Ornelas Ribeiro - aluno de Iniciação Científica (voluntário)

    • Paulo César Polastri - mestrando do PPGCC/UFSCar

    • MSc. Leonardo Sameshima Taba - mestre (ex-aluno do PPGCC/UFSCar)

    • Alexandre Coelho Rondon - graduando (TCC DC/UFSCar)

• • Breve descrição: O reconhecimento automático de paráfrases e a tradução automática são duas subáreas do Processamento de Língua Natural (PLN) que compartilham semelhanças, como o fato de ambas lidarem com textos paralelos (textos que expressam o mesmo conteúdo) sejam eles monolíngues (no caso das paráfrases) ou bilíngues (no caso das traduções). Contudo, apenas recentemente alguns poucos estudos foram desenvolvidos explorando a combinação de métodos e técnicas dessas duas subáreas de PLN (BANNARD; CALLISON-BURCH, 2005; CALLISON-BURCH et al., 2006; BARREIRO, 2008; PANG et al., 2003). Neste projeto, visa-se investigar a extração automática de paráfrases e de conhecimento útil para a tradução automática usando a estratégia de aprendizado de máquina sem-fim (AMSF) e a web como fonte de conhecimento. Repositórios onlines de conhecimento como a Wikipédia, por exemplo, definem, explicam e exemplificam conhecimento de maneiras distintas. Repositórios onlines de legendas como OpenSubtitles e SubDB e letras de músicas como o Lyrics apresentam versões de um mesmo texto em vários idiomas. Esses repositórios são valiosas fontes de informação para os métodos de extração automática de paráfrases e de conhecimento útil para a tradução que serão projetados seguindo a estratégia de AMSF. O AMSF é uma estratégia de aprendizado de máquina recente baseada no aprendizado constante e incremental inspirada no modo como nós, humanos, aprendemos. A ideia do AMSF é que ao aprendermos conceitos simples e relações simples entre esses conceitos nós nos tornamos capazes de aprender, no futuro, algo novo e mais complexo (MITCHELL et al., 2008). Essa proposta é inovadora na aplicação de AMSF nas duas subáreas de PLN citadas e poderá dar origem a abordagens integradas contribuindo, assim, com o avanço nessas e outras áreas de pesquisa.

  • Agência financiadora: FAPESP (Auxílio Regular 2013/11811-0: 01/09/2013 a 31/08/2015)

  • Coordenadora: Profa. Dra. Helena de Medeiros Caseli

  • Equipe:

    • Profa. Dra. Eloize Rossi Marques Seno - professora (IFSP/São Carlos)

    • Profa. Dr. Estevam Rafael Hruschka Júnior - professor (DC/UFSCar)

    • Prof. Dr. Carlos Ramish - professor (Aix Marseille Université - França)

    • Thiago Lima Vieira - mestrando do PPGCC/UFSCar (bolsista CNPq)

    • MSc. Débora Martins - mestre (ex-aluna do PPGCC/UFSCar)

    • Cristiano Ornelas Ribeiro - aluno de Iniciação Científica (DC/UFSCar)

    • Paulo César Polastri - mestrando do PPGCC/UFSCar

    • MSc. Leonardo Sameshima Taba - mestre (ex-aluno do PPGCC/UFSCar)

    • Alexandre Coelho Rondon - graduando (TCC DC/UFSCar)

    • Rafael Oliveira Teixeira - graduando (PET/IFSP/São Carlos)

"As opiniões, hipóteses e conclusões ou recomendações expressas neste material são de responsabilidade do(s) autor(es) e não necessariamente refletem a visão da FAPESP"

• • Breve descrição: Esse projeto pretende coletar, criar, implementar e avaliar recursos e ferramentas linguístico-computacionais que envolvam dois ou mais idiomas incluindo o português do Brasil. Tais ferramentas e recursos serão disponibilizados por meio de um Portal de TA sendo, dessa maneira, úteis para aplicações multilíngues como a Tradução Automática (TA).

  • Agência financiadora: FAPESP (Auxílio Regular 2010/07517-0: 01/08/2010 a 31/07/2012)

  • Coordenadora: Profa. Dra. Helena de Medeiros Caseli

  • Equipe:

    • Thiago Lima Vieira - bolsista de Treinamento Técnico (TT-3 - FAPESP)

    • Cleber Takahito Kawamorita - bolsista de Iniciação Científica (IC - FAPESP)

    • Débora Martins - bolsista de Mestrado (FAPESP)

    • Thiago Müller Albertin - bolsista de Iniciação Científica (IC - PIBIC)

"As opiniões, hipóteses e conclusões ou recomendações expressas neste material são de responsabilidade do(s) autor(es) e não necessariamente refletem a visão da FAPESP"

• • Breve descrição: Esse projeto visava a investigação do uso de informação sintática em diferentes técnicas de tradução automática por meio da implementação ou adaptação e avaliação das mesmas envolvendo, em particular, o português do Brasil.

  • Agência financiadora: UFSCar (Programa Integrado de Apoio ao Docente Recém Doutor da UFSCar - PIADRD)

  • Coordenadora: Profa. Dra. Helena de Medeiros Caseli

  • Equipe:

    • Josué Garcia de Araújo - bolsista de Mestrado (CAPES)

    • Daniel Emílio Beck - bolsista de Mestrado (FAPESP)

    • Israel Aono Nunes - bolsista de Iniciação Científica (IC - PIADRD)

    • Laís Augusta da Silva Meuchi - bolsista de Iniciação Científica (IC - PIADRD)

    • Miguel Mêndola Antonio - bolsista de Iniciação Científica (IC - PIADRD)