No abstract

This paper focuses on the computer side of human-computer interaction through natural language, which is the domain of natural language generation (NLG) studies. From a given (usually non-linguistic) input, NLG systems will in principle generate the same fixed text as an output and in order to attain more natural or human-like interaction will often resort to a wide range of strategies for stylistic variation. Among these, the use of computational models of human personality has emerged as a popular alternative in the field and will be the focus of the present work as well. More specifically, the present study describes two machine learning experiments to establish possible relations between personality and content selection (as opposed to the more well-documented relation between personality and surface realisation), and it is, to the best of our knowledge, the first of its kind to address this issue at both macro and micro planning levels, which may arguably pave the way for the future development of more robust personality-dependent systems of this kind.

O presente trabalho traz um estudo noâmbito de Geração de Língua Natural, com enfase na tarefa de Geração de Expressões de Referência (GER), a qual consiste em gerar expressões referenciais semelhantesàs produzidas por humanos. Existem estudos que exploram o uso da variação individual do ser humano no aprendizado do padrão de seleção de conteúdo na construção de descrições, contudo, treinar tais conjuntos de dadoś e computacionalmente caro. O trabalho apresenta um modelo de seleção de conteúdo para GER, baseado em traços de personalidade, o qual generaliza padrões de comportamentos referenciais similares em cada perfil de personalidade. Na pesquisa também realizou-se um levantamento bibliográfico sobre o tema, e construiu-se um córpus com expressões de referência contendo informações de personalidade de cada participante, as quais foram anotadas tomando por base o modelo dos Cinco Grandes Fatores. Este córpus tem como finalidade ser utilizado como entrada tanto no modelo desenvolvido, como em outros estudos naárea. Os resultados comprovam que modelos de GER dependentes da personalidade superam os algoritmos GER tradicionais, e que são uma alternativa viável em abordagens que dependam da variação de locutores.