SIDEAS - Detectando a Similaridade Semântica de Discursos

Abstract

Textos abundantemente inseridos em plataformas digitais atualmente podem apresentar similaridades semânticas cuja detecção automática é essencial para aplicações como identificação de plágio e análise de movimentos sociais. No entanto, a detecção de similaridade semântica entre discursos, que podem transmitir ideias análogas usando diferentes construções léxicas e sintáticas, permanece um desafio pouco explorado. Este trabalho tem como objetivo principal comparar abordagens para medir e classificar a similaridade semântica de discursos em textos curtos. Primeiramente, investiga o uso de embeddings tradicionais e contextualizados de componentes estruturais correspondentes dos discursos. Em seguida, explora o uso de modelos de linguagem para medir e classificar as similaridades diretamente nos textos brutos. A eficácia dessas abordagens foi avaliada em experimentos utilizando 3 corpora distintos. Os resultados experimentais demonstram que o uso adequado de prompts no GPT permite obter um desempenho superior ao uso de embeddings de palavras na comparação de componentes do discurso, estabelecendo assim uma base comparativa para futuros estudos nesta área.