Utilização de redes neuronais num problema de etiquetagem gramatical
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10362/14221 |
Resumo: | As Redes Neuronais têm aplicações numa grande diversidade de problemas, tendo a flexibilidade de poderem ser adaptadas a cada realidade em estudo. Nesta tese utilizam-se as redes neuronais como classificadores. As redes neuronais são, neste trabalho, aplicadas a um problema de linguagem natural. Construiu-se uma rede neuronal com duas camadas intermédias onde as funções de activação são a logística e a softmax. A função softmax foi utilizada para gerar os dados de saída (atribuição da probabilidade de uma palavra pertencer a cada classe). O software usado para treinar a rede foi desenvolvido em Octave. Os dados processados basearam-se nos textos que constituem o Brown Corpus; estes textos foram decompostos em três grupos: treino,desenvolvimento e teste; por fim testou-se o desempenho da rede no conjunto de teste. Dos resultados obtidos podemos concluir que a rede aprende razoavelmente, registando-se uma percentagem de erro de 6.5% no conjunto de teste. No conjunto de treino obteve-se uma percentagem de erro inferior. |
id |
RCAP_f2c63611884bfb4a33122f6e9070519d |
---|---|
oai_identifier_str |
oai:run.unl.pt:10362/14221 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Utilização de redes neuronais num problema de etiquetagem gramaticalRedes neuronaisLinguagem naturalEtiqueta gramaticalFunções de activaçãoAs Redes Neuronais têm aplicações numa grande diversidade de problemas, tendo a flexibilidade de poderem ser adaptadas a cada realidade em estudo. Nesta tese utilizam-se as redes neuronais como classificadores. As redes neuronais são, neste trabalho, aplicadas a um problema de linguagem natural. Construiu-se uma rede neuronal com duas camadas intermédias onde as funções de activação são a logística e a softmax. A função softmax foi utilizada para gerar os dados de saída (atribuição da probabilidade de uma palavra pertencer a cada classe). O software usado para treinar a rede foi desenvolvido em Octave. Os dados processados basearam-se nos textos que constituem o Brown Corpus; estes textos foram decompostos em três grupos: treino,desenvolvimento e teste; por fim testou-se o desempenho da rede no conjunto de teste. Dos resultados obtidos podemos concluir que a rede aprende razoavelmente, registando-se uma percentagem de erro de 6.5% no conjunto de teste. No conjunto de treino obteve-se uma percentagem de erro inferior.Rodrigues, RuiRUNRibeiro, Maria Teresa Figueiredo Gomes2015-01-29T11:43:29Z2014-072015-012014-07-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10362/14221porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-03-11T03:49:17Zoai:run.unl.pt:10362/14221Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:21:41.854163Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Utilização de redes neuronais num problema de etiquetagem gramatical |
title |
Utilização de redes neuronais num problema de etiquetagem gramatical |
spellingShingle |
Utilização de redes neuronais num problema de etiquetagem gramatical Ribeiro, Maria Teresa Figueiredo Gomes Redes neuronais Linguagem natural Etiqueta gramatical Funções de activação |
title_short |
Utilização de redes neuronais num problema de etiquetagem gramatical |
title_full |
Utilização de redes neuronais num problema de etiquetagem gramatical |
title_fullStr |
Utilização de redes neuronais num problema de etiquetagem gramatical |
title_full_unstemmed |
Utilização de redes neuronais num problema de etiquetagem gramatical |
title_sort |
Utilização de redes neuronais num problema de etiquetagem gramatical |
author |
Ribeiro, Maria Teresa Figueiredo Gomes |
author_facet |
Ribeiro, Maria Teresa Figueiredo Gomes |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rodrigues, Rui RUN |
dc.contributor.author.fl_str_mv |
Ribeiro, Maria Teresa Figueiredo Gomes |
dc.subject.por.fl_str_mv |
Redes neuronais Linguagem natural Etiqueta gramatical Funções de activação |
topic |
Redes neuronais Linguagem natural Etiqueta gramatical Funções de activação |
description |
As Redes Neuronais têm aplicações numa grande diversidade de problemas, tendo a flexibilidade de poderem ser adaptadas a cada realidade em estudo. Nesta tese utilizam-se as redes neuronais como classificadores. As redes neuronais são, neste trabalho, aplicadas a um problema de linguagem natural. Construiu-se uma rede neuronal com duas camadas intermédias onde as funções de activação são a logística e a softmax. A função softmax foi utilizada para gerar os dados de saída (atribuição da probabilidade de uma palavra pertencer a cada classe). O software usado para treinar a rede foi desenvolvido em Octave. Os dados processados basearam-se nos textos que constituem o Brown Corpus; estes textos foram decompostos em três grupos: treino,desenvolvimento e teste; por fim testou-se o desempenho da rede no conjunto de teste. Dos resultados obtidos podemos concluir que a rede aprende razoavelmente, registando-se uma percentagem de erro de 6.5% no conjunto de teste. No conjunto de treino obteve-se uma percentagem de erro inferior. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-07 2014-07-01T00:00:00Z 2015-01-29T11:43:29Z 2015-01 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10362/14221 |
url |
http://hdl.handle.net/10362/14221 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137857441366016 |