| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Romariz, Alexandre Ricardo Soares | - |
| dc.contributor.author | Beigelman, Daniel Barbosa | - |
| dc.identifier.citation | BEIGELMAN, Daniel Barbosa. Sumarizador abstrato de texto utilizando redes neurais recorrentes corpus: acórdãos do TCU. 2019. 32 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2019. | pt_BR |
| dc.description | Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019. | pt_BR |
| dc.description.abstract | Este trabalho apresenta a implementação de um modelo sequência-para-sequência de sumariza ção abstrata de texto usando Redes Neurais Recorrentes (RNN) configuradas em codificador e
decodificador com um sistema de atenção-global implementado entre as duas redes neurais. O
modelo foi treinado em cima do corpus de acórdãos do Tribunal de Contas da União (TCU),
que conta com dados referentes aos acórdãos proferidos pelo TCU entre os anos de 1992 até
30/08/2019. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Redes neurais (Computação) | pt_BR |
| dc.subject.keyword | Tribunal de Contas da União (TCU) | pt_BR |
| dc.subject.keyword | Rede neural recorrente | pt_BR |
| dc.subject.keyword | Sumarização automática | pt_BR |
| dc.subject.keyword | Processamento de linguagem natural (Computação) | pt_BR |
| dc.title | Sumarizador abstrato de texto utilizando redes neurais recorrentes corpus : acórdãos do TCU | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2021-08-10T13:45:18Z | - |
| dc.date.available | 2021-08-10T13:45:18Z | - |
| dc.date.submitted | 2019-12-06 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/28111 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.description.abstract1 | In this work, is presented an implementation of a framework for abstractive text summariza tion based on a sequence-to-sequence oriented Attentional Encoder-Decoder Recurrent Neural
Networks model. The model was trained on the corpus of judgments of the Federal Court of
Audit (TCU), which contains data related to the judgments handed down by TCU between 1992
and 30/08/2019. | pt_BR |
| Aparece na Coleção: | Engenharia Elétrica
|
