Geração de features para resolução de correferência: Pessoa, Local e Organização (Feature Generation for Coreference Resolution: Person, Location and Organization) [in Portuguese]

This work aims at resolving coreference in Portuguese, focusing on categories of named entities Person, Location and Organization. The proposed method uses supervised learning. To this end, the use of features that assist in the correct classification of named entities is critical. The construction and refinement of these features are of great relevance to his task. The performance of many other tasks depends on the correct output of coreference resolution systems, in special the extraction of relationships between named entities. Resumo. Este trabalho tem por objetivo a resolução de correferência em língua portuguesa, tendo como foco entidades nomeadas das categorias Pessoa, Local e Organização. O método proposto utiliza aprendizado supervisionado. Para tal, o uso de features que auxiliem na correta classificação das entidades nomeadas é fundamental. A construção e o refinamento dessas features são de grande relevância para essa tarefa. O desempenho de muitas outras tarefas depende da correta saída de sistemas de resolução de correferência, em especial, a extração de relação entre entidades nomeadas. 1. Introdução Este trabalho tem como foco a identificação de entidades nomeadas e suas cadeias de correferência. O objetivo principal é a resolução de correferências em língua portuguesa para os domínios Pessoa, Local e Organização. A resolução de correferências é uma tarefa relevante e também um grande desafio para a área de linguística computacional. Tratando-se da língua portuguesa, esse desafio é ainda maior. Isto é, a quantidade de recursos para a língua portuguesa é limitada se comparada com a quantidade de recursos que temos disponíveis para outras línguas, como o inglês. Collovini et al. (2011) propõem a extração de relação entre entidades nomeadas presentes em textos da língua portuguesa. A extração desse tipo de relação possui um impacto considerável para a área de processamento da linguagem natural, dado o fato que esse tipo de técnica pode melhorar a performance de muitas tarefas. Nesse contexto, a tarefa de reconhecimento de entidades nomeadas tem como objetivo identificar, desambiguar e atribuir uma categoria semântica a essas entidades, como pessoa, organização, entre outras. É nesse ponto que está a contribuição deste trabalho. Tendo textos como entrada, pretende-se gerar cadeias de correferência para categorias específicas de entidades nomeadas e, com isso, pretende-se contribuir para a extração de relações entre entidades, por meio de inferência. Gabbard et al. (2011) mostram que a resolução de correferência pode prover ganhos significativos para a extração de relação