Uso de modelos de linguagem na identificação de relações de coerência da Rhetorical Structure Theory em textos de User-Generated Content

• Pedro Moreno Niella de Souza Sales Evangelista UFBA
• Jackson Wilke da Cruz Souza UFBA

DOI: https://doi.org/10.5753/stil.2026.29490

Resumo

Este trabalho investiga a identificação automática de relações retóricas Rhetorical Structure Theory (RST) em User-Generated Content, utilizando Sinalizadores Discursivos (SDs) como evidências de coerência sob a ótica da RST. A baixa cobertura de conectivos clássicos (19%) motiva um pipeline comparativo com heurísticas léxicas, Support Vector Machine e fine-tuning do BERTimbau no corpus DANTEStocks (4.048 tweets financeiros). O BERTimbau alcançou 95% de acurácia e 93% de F1-Score ponderado; contudo, o desbalanceamento entre classes restringe o F1-Macro a 53%, evidenciando que a modelagem contextual profunda mitiga o ruído linguístico do UGC, mas não resolve o problema de desbalanceamento.

Referências

Buda, M., Maki, A. and Mazurowski, M. A. (2018) "A systematic study of the class imbalance problem in convolutional neural networks", Neural Networks, v. 106, p. 249259.

Cardoso, P., Souza, J., Rodrigues, R., Dantas, E., Bárbara, L. S., Araújo, M., Gama, N., Almeida, T., Cruz, G. (2024) "A Linguagem em Foco: Anotação de Sinalizadores Discursivos em Textos Jornalísticos", STIL 2024, p. 247–256.

Cortes, C. and Vapnik, V. (1995) "Support-vector networks", Machine Learning, v. 20, n. 3, p. 273-297.

Das, D. and Taboada, M. (2019) "Multiple signals of coherence relations", Discours, v. 24, p. 1-38.

Di-Felippo, A. et al. (2021) "Descrição preliminar do corpus DANTEStocks", In: Anais do XIII Brazilian Symposium in Information and Human Language Technology (STIL 2021), p. 210-214.

Gama, N. S. e Souza, J. W. C. (2024) "Estudo preliminar sobre sinalizadores discursivos para Conteúdo Gerado por Usuário", STIL 2024, p. 418–423.

Leech, G. (1993) "Corpus annotation schemes", Literary and Linguistic Computing, v. 8, n. 4, p. 275-281.

Mann, W. C. and Thompson, S. A. (1988) "Rhetorical Structure Theory: Toward a functional theory of text organization", Text & Talk, v. 8, n. 3, p. 243-281.

Monard, M. C. and Baranauskas, J. A. (2003) "Conceitos sobre aprendizado de máquina", In: Sistemas Inteligentes: Aplicações a Modelos Biológicos e Biomédicos, p. 89-114.

Nivre, J. et al. (2016) "Universal Dependencies v1: A Multilingual Treebank Collection", In: Proceedings of the 10th International Conference on Language Resources and Evaluation (LREC 2016), p. 1659-1666.

Pedregosa, F. et al. (2011) "Scikit-learn: Machine Learning in Python", Journal of Machine Learning Research, v. 12, p. 2825-2830.

Souza, F., Nogueira, R. and Lotufo, R. (2020) "BERTimbau: Pretrained BERT Models for Brazilian Portuguese", In: Proceedings of the 9th Brazilian Conference on Intelligent Systems (BRACIS 2020), p. 405-417.

Wolf, T. et al. (2020) "Transformers: State-of-the-Art Natural Language Processing", In: Proceedings of EMNLP 2020: System Demonstrations, p. 38-45.