@MASTERSTHESIS{ 2019:1434698658,
 	title = {Reconhecimento de entidades nomeadas para o portugu?s usando redes neurais},
 	year = {2019},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/9050",
 	abstract = "Abordagens modernas para o Reconhecimento de Entidades Nomeadas (REN) utilizam Redes Neurais para automaticamente extrair features de textos e as incorporar no processo de classifica??o. Word Embeddings, que ? um tipo de Modelo de Linguagem (ML), ? um ingrediente chave para melhorar a performance dos sistemas de REN. Mais recentemente, ML Contextualizados, que se adaptam de acordo com o contexto em que a palavra aparece, tamb?m se mostraram indispens?veis. Nessa disserta??o, mostra-se como diferentes combina??es de Word Embeddings e ML Contextualizados impactam na tarefa de REN em l?ngua portuguesa. Foi explorado como a diversidade textual e o tama- nho do corpus de treino usado nos ML impactam nos resultados dessa tarefa. Tamb?m, ? apresentado um estudo comparativo de 16 combina??es de diferentes ML entre contextua- lizados e Word Embeddings. As avalia??es foram realizadas no corpus Mini-HAREM, am- plamente adotado neste tema. O melhor resultado alcan?ado nesta pesquisa, ultrapassa a abordagem estado-da-arte em 5,99%, em um cen?rio de cinco categorias, e 4,31% quando s?o consideradas as dez categorias do HAREM. Al?m das avalia??es no HAREM, tamb?m foram estudados dom?nios espec?ficos dessa tarefa. Os resultados nestes casos, foram avaliados nos corpora de contexto Cl?nico, Policial e Geol?gico. Em todos, foram obtidos resultados superiores ou competitivos em rela??o a outras abordagens.",
 	publisher = {Pontif?cia Universidade Cat?lica do Rio Grande do Sul},
 	scholl = {Programa de P?s-Gradua??o em Ci?ncia da Computa??o},
 	note = {Escola Polit?cnica}
}