Este trabalho refinou um sistema de extração de grafos de relacionamento semântico para textos em português chamado Graphia, melhorando sua capacidade de extrair sujeitos, verbos e complementos nominais. O código foi refatorado e novas regras de extração foram implementadas, melhorando os resultados da avaliação em categorias como sujeito simples, verbo e complemento nominal. Conclui-se que os objetivos de melhorar a extração e avaliar o sistema foram cumpridos com sucesso.

1. 29 de junho de 2018
Refinando a Extração de Grafos de Relacionamento
Semântico paraTextos em Português
Trabalho de Conclusão de Curso
Bacharelado em Ciência da Computação
Universidade Federal do Rio de Janeiro
!1
Annanda Dandi de Freitas Sousa
Orientador: João Carlos Pereira da Silva, D.Sc.

2. 1. Motivação
2. Objetivo
3. Graphia
4. Soluções apresentadas
5. Avaliação
6. Conclusão
7. Trabalhos futuros
Sumário
!2

3. 1. Motivação
!3

4. !4

5. Contribuir com a geração de dados
estruturados e ligados em português
!5

6. 2. Objetivo
!6
Produzir uma solução para extrair automaticamente grafos de
relacionamento a partir de sentenças em português
Melhorar a versão anterior do Graphia aplicado ao português
Melhorar a extração do sujeito e verbo
Corrigir a regra do complemento nominal
Criar avaliação para o sistema proposto

7. 3. Graphia
!7
Extrator de grafos de relação a partir de estruturas sintáticas de
sentenças em inglês
John hit the ball.
8 regras de extração de relações
Extração de contexto como tempo, causa, quantidade

8. Graphia - pipeline
!8

9. Graphia - sentenças em português
Maria salvou o coelho
!9
5 das 8 regras originais foram modificadas
Trabalhou em duas fases do pipeline
Banco de dados de sentenças em português

10. Graphia - português - pipeline
!10

11. Graphia - melhorias necessárias
Complemento nominal
Informações redundantes nos grafo
Avaliação do sistema
!11

12. "A porcentagem de
população ativa
empregada no setor
terciário depende
bastante do nível de
desenvolvimento de
cada país."
!12

13. 4. Soluções apresentadas
!13
Refatoração do código:
Baixo acoplamento
Alta coesão
Modularização
Mudança da geração dos grafo usando DOT para a biblioteca
graphviz
Testes unitários automáticos
Biblioteca python unittest
Atualização da versão de Python 2 para Python 3
Modificação das regras de extração
Melhorias para problemas apresentados pelo trabalho anterior
Melhorias para outros problemas identificados

14. 4. Soluções apresentadas
!14

15. Regras de extração
"Poisson, Liouville, Fourier e outros mais estudaram as equações em
derivadas parciais e a análise harmônica.”
Como funcionam as regras
!15

16. Regras de extração
Regra do sujeito das triplas
Ativada quando um NP é filho de S ou SBAR
!16
NP
S
NP
SBAR

17. !17
"A decepção com o governo Moreira Franco, que não cumpriu a
promessa de acabar com a violência em seis meses, levou o eleitorado
fluminense a eleger Leonel Brizola novamente, em 1990"

18. Regras de extração
"A decepção com o governo Moreira Franco, que não cumpriu a promessa
de acabar com a violência em seis meses, levou o eleitorado fluminense a
eleger Leonel Brizola novamente, em 1990"
Problema na extração do sujeito das triplas
!18

19. Regras de extração
Novas regras de extração
!19

20. !20
"A decepção com o governo Moreira Franco, que não cumpriu a
promessa de acabar com a violência em seis meses, levou o eleitorado
fluminense a eleger Leonel Brizola novamente, em 1990"

21. Regras de extração
Novas regras de extração - criando triplas de relação
!21
o governo Moreira Franco, 7
A decepção com o governo Moreira Franco, que não
cumpriu a promessa de acabar com a violência em
seis meses, 3
V: cumpriu
profundidade: 11
Pilha de NP’s

22. Regras de extração
"A decepção com o governo Moreira Franco, que não cumpriu a promessa
de acabar com a violência em seis meses, levou o eleitorado fluminense a
eleger Leonel Brizola novamente, em 1990"
!22

23. Regras de extração
"A decepção com o governo Moreira Franco, que não cumpriu a promessa
de acabar com a violência em seis meses, levou o eleitorado fluminense a
eleger Leonel Brizola novamente, em 1990"
!23

24. Regras de extração
Complemento nominal
Não houve modificação na ativação da regra: N’ pai de N e PP
Esforço empenhado em conectar os complementos nominais extraídos
com o restante to grafo
Separar aplicação do complemento nominal para sujeito ou
predicado
Quando um complemento nominal é encontrado dentro do
predicado, ele percorre todos os vértices (que são predicado) do
grafo e ao encontrar o conteúdo do complemento nominal extraído:
Apaga o texto do nó
Cria um nova aresta com a preposição
Cria um novo nó com o complemento ligando-o ao nó anterior de
predicado
!24

25. Regras de extração
Regras eliminadas
Regra de início de oração
Regra de fim de oração
Regras não implementadas
Regra de tempo
Regra de quantidade
!25

26. Aplicando as modificações
"A porcentagem de população ativa empregada no setor terciário
depende bastante do nível de desenvolvimento de cada país."
!26

27. "A porcentagem de
população ativa
empregada no setor
terciário depende
bastante do nível de
desenvolvimento de
cada país."
!27

28. Aplicando as modificações
"A luz nesse comprimento de onda é absorvida pela atmosfera da Terra,
então as observações devem ser feitas na atmosfera superior ou no espaço."
!28

29. "A luz nesse comprimento de onda é absorvida pela atmosfera da Terra,
então as observações devem ser feitas na atmosfera superior ou no espaço."
!29

30. 40 sentenças sorteadas do banco de dados de sentenças em português
Utilização das duas versões do sistema para extrair o grafo semântico
5 categorias diferentes de avaliação
Cada categoria é julgada independentemente
Metodologia
Problemas
Muitas árvores sintáticas erradas (especialmente em casos com verbo
de ligação)
Em média 5 sentenças sorteadas para obter uma correta
Maioria das sentenças grandes sorteadas continham erros
Maioria das sentenças avaliadas contém menos de 300 caracteres
Qualidade da avaliação
5.Avaliação
Enviesada
Registro de detalhes da avaliação

31. Sujeito simples
"A densidade populacional é
de 15 pessoas por quilômetro
quadrado de área de terra"
!31

32. Verbo
"A densidade populacional é
de 15 pessoas por quilômetro
quadrado de área de terra"
!32

33. Complemento nominal
"A densidade populacional é
de 15 pessoas por quilômetro
quadrado de área de terra"
!33

34. Informação redundante
"A porcentagem de população ativa empregada no setor terciário
depende bastante do nível de desenvolvimento de cada país."
!34

35. "A porcentagem de
população ativa
empregada no setor
terciário depende
bastante do nível de
desenvolvimento de
cada país."
!35

36. Sujeito composto
"Poisson, Liouville, Fourier e
outros mais estudaram as
equações em derivadas
parciais e a análise harmônica.”
!36

37. Resultados
Número de
instâncias
Graphia versão 1 Graphia versão 2
Sujeito simples 60 75% 99,66%
Sujeito composto 5 80% 60%
Verbo 87 59,77% 83,90%
Complemento
nominal
64 26,56% 82,82%
Informação
redundante
40 17,5% 82,5%
Em porcentagem de acerto !37

38. 6. Conclusão
!38
Esse trabalho produziu uma nova versão do Graphia para sentenças
em português com as seguintes características:
Código refatorado, versão do Python atualizada e utilização de
testes unitários
Ações para que os resultados desse trabalhos sejam claros e
ajudem os trabalhos futuros
Tornar o verbo o ponto de partida para a extração das triplas de
relações para formar o grafo de relacionamento
Melhora de dois problemas anteriores: complemento nominal e
grafo com informação redundante
Melhora na extração de sujeitos simples e verbos
Avaliação do novo sistema em comparação com o antigo

39. 6. Conclusão
!39
Contribuição na avaliação das árvores sintáticas do banco de dados
de sentenças
Apenas 3 regras aplicadas geraram resultados melhorados
Baseado nos resultados, esse trabalho concluiu com sucesso os objetivos
iniciais propostos.

40. 7.Trabalhos futuros
!40
Incluir outros elementos do pipeline:
Resolução de correferência dos textos antes de separá-los em
sentenças
Resolução de entidades nomeadas
Adicionar solução para sujeito oculto e sujeito indeterminado
Corrigir o sujeito composto
Adicionar extração de contexto como causa, tempo e quantidade
Fazer experimentos com outras possibilidades de selecionar os NP’s
para agentes das relações
Houve evidência para a necessidade de trocar o parser, pois as
árvores sintáticas continham muitos erros

41. 29 de junho de 2019
Refinando a Extração de Grafos de Relacionamento
Semântico paraTextos em Português
Trabalho de Conclusão de Curso
Bacharelado em Ciência da Computação
Universidade Federal do Rio de Janeiro
!41
Annanda Dandi de Freitas Sousa
Orientador: João Carlos Pereira da Silva, D.Sc.