Defesa de Dissertação de Mestrado – Laura Lima Dias – 31/08/2017

Defesa de Dissertação de Mestrado em Ciência da Computação

DATA: 31/08/2017       

HORÁRIO: 14hrs

LOCAL: CGCO

“Análise de Abordagens Automáticas de Anotação Semântica para Textos Ruidosos e seus Impactos na Similaridade entre Vídeos”

                                                        Mestrando: Laura Lima Dias

                                                                       Orientador: Prof. Eduardo Barrére, D.Sc.

                                                                       Coorientador: Prof. Jairo Francisco de Souza, D.Sc.

Banca Examinadora:

Prof. Eduardo Barrére, D.Sc.

Prof. Jairo Francisco de Souza, D.Sc.
Prof. Marcelo Ferreira Moreno, D.Sc.

Prof. Celso Alberto Saibel Santos, D.Sc.

Resumo:

Com o acúmulo de informações digitais armazenadas ao longo do tempo, alguns esforços precisam ser aplicados para facilitar a busca e indexação de conteúdos. Recursos como vídeos e áudios, por sua vez, são mais difíceis de tratar por mecanismos de busca. A anotação de vídeos é uma forma considerável de resumo do vídeo, busca e classificação. A parcela de vídeos que possui anotações atribuídas pelo próprio autor na maioria das vezes é muito pequena e pouco significativa, e anotar vídeos manualmente é bastante trabalhoso quando tratamos de bases legadas. Por esse motivo, automatizar esse processo tem sido desejado no campo da Recuperação de Informação. Em repositórios de videoaulas, onde a maior parte da informação se concentra na fala do professor, esse processo pode ser realizado através de anotações automáticas de transcritos gerados por sistemas de Reconhecimento Automático de Fala. Contudo, essa técnica produz textos ruidosos, dificultando a tarefa de anotação semântica automática. Entre muitas técnicas de Processamento de Linguagem de Natural utilizadas para anotação, não é trivial a escolha da técnica mais adequada a um determinado cenário, principalmente quando trata-se de anotar textos com ruídos. Essa pesquisa propõe analisar um conjunto de diferentes técnicas utilizadas para anotação automática e verificar o seu impacto em um mesmo cenário, o cenário de similaridade entre vídeos.