A methodology for the use of natural language processing in the search for information in digital documents

Resumo

Esta dissertação apresenta uma nova metodologia para busca em textos digitais, fundamentada na Estrutura Nominal do Discurso (END), que aprimora a resolução de anáforas conforme proposto por Freitas. Diferentemente dos modelos tradicionais de Recuperação de Informação (RI), como o vetoriano e o LSI, que se baseiam em termos para representar e buscar documentos, esta abordagem considera a estrutura textual e o uso de anáforas, superando limitações dos modelos clássicos ao lidar com referências variadas ou omissões de entidades principais. A metodologia, inspirada no trabalho de Seibel Júnior, utiliza a END para criar a Estrutura Nominal do Discurso para Buscas (ENDB), focando em elementos centrais das frases para a representação de textos. Este processo não só permite uma representação textual mais fiel mas também melhora os resultados das buscas ao incluir todas as entidades textuais identificadas. O documento detalha a implementação da metodologia e os resultados experimentais, oferecendo uma contribuição significativa para a área de RI.