Classificação computacional de fundamentos morais a partir de texto (2022)
- Authors:
- Autor USP: LAN, ALEX GWO JEN - EACH
- Unidade: EACH
- DOI: 10.11606/D.100.2022.tde-05052022-094458
- Subjects: PROCESSAMENTO DE LINGUAGEM NATURAL; RECONHECIMENTO DE TEXTO; APRENDIZADO COMPUTACIONAL
- Keywords: Análise de Sentimentos; Author Profiling; Caracterização Autoral; Classificação de texto; Fundamentos morais; Moral Foundations; Sentiment Analysis; Text Classification
- Agências de fomento:
- Language: Português
- Abstract: A identificação de valores morais em textos e discursos humanos contribui essencialmente para a compreensão de conflitos sociais motivados pelas diferenças de moralidade, além de comportamentos e posições ideológicas individuais. Em vista disso, muitas são as suas aplicações para a modelagem de problemas e eventos sociais, envolvendo análise de debates políticos, identificação de notícias falsas e a predição de eventos como protestos, campanhas eleitorais, por exemplo. O presente trabalho apresenta um estudo de classificação de categorias morais a partir de textos pautado sobre a Teoria dos Fundamentos Morais (TFM) com a utilização de métodos supervisionados de aprendizado de máquina. Estas categorias consistem em Cuidado, Justiça, Lealdade, Autoridade e Pureza. A tarefa é definida de duas formas sob a perspectiva do Processamento de Língua Natural (PLN). A primeira delas trata da classificação de fundamentos morais impessoais (CFMI), que é abordada de maneira similar às tarefas de análise de sentimentos, no sentido de que os fundamentos são referentes apenas ao significado expresso no texto. Por outro lado, a tarefa de classificação de fundamentos morais pessoais (CFMP), que é essencialmente inexplorada na literatura, define-se como uma instância de caracterização autoral, ou seja, considera a moralidade do autor do texto analisado, permitindo assim a captura de informação de classe não necessariamente explícita.Os trabalhos existentes são baseados em formas de representação textual mais tradicionais como Bag-Of-Words e word embeddings estáticos. Como forma de avançar o estado-da-arte nesses dois tipos de problema, este estudo propõe o desenvolvimento de modelos baseados em métodos de embeddings sensíveis ao contexto para as tarefas de CFMI e CFMP. De forma específica, foram conduzidos experimentos com estas duas tarefas nos idiomas em inglês, para CFMI, e português brasileiro, para CFMP, utilizando modelos como ELMo e BERT. Os resultados sugerem a eficácia no uso desses embeddings sensíveis ao contexto em CFMI e o potencial dos modelos de CFMP baseados em métodos como regressão logística com n-gramas de caracteres. Com isso, deixam-se oportunidades de futuros estudos na área, especialmente para PLN em português brasileiro
- Imprenta:
- Data da defesa: 28.03.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
LAN, Alex Gwo Jen. Classificação computacional de fundamentos morais a partir de texto. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-05052022-094458/. Acesso em: 03 nov. 2024. -
APA
Lan, A. G. J. (2022). Classificação computacional de fundamentos morais a partir de texto (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/100/100131/tde-05052022-094458/ -
NLM
Lan AGJ. Classificação computacional de fundamentos morais a partir de texto [Internet]. 2022 ;[citado 2024 nov. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-05052022-094458/ -
Vancouver
Lan AGJ. Classificação computacional de fundamentos morais a partir de texto [Internet]. 2022 ;[citado 2024 nov. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-05052022-094458/
Informações sobre o DOI: 10.11606/D.100.2022.tde-05052022-094458 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
