Este documento apresenta uma pesquisa a nvel de mestrado acadêmico, cujo o foco é a tarefa computacional de Geração de Expressões de Referência (GER), uma parte fundamental da comunicação que é estudada na Geração de Linguagem Natural (GLN). Mais especificamente, foram estudados os aspectos da linguagem que se manifestam em contextos de comunicação com restrição de tempo, e com base nisso foi proposto um modelo computacional de GER para produzir expressões de referência com o nvel de superespecificação parametrizável. Além disso, considerando-se as caractersticas de adaptabilidade do modelo proposto, também foi sugerida uma generalização deste para outros domnios, como os que compreendem contextos de comunicação além dos que possuem restrição de tempo / This document presents a MSc research that focused on the computational subtask of Referring Expression Generation (REG), an important component of Natural Language Generation (NLG) systems. More specifically, this work analyzes how time-restricted contexts of communication may affect language production and a computational model of GER was proposed to produce reference expressions with parameterizable superspecification. Furthermore, given the adaptability characteristics of the proposed model, it has also been suggested a generalization to other domains, which includes communication contexts besides those that have time constraints

Este documento apresenta um estudo em nível de mestrado na área de Geração de Língua Natural (GLN), enfocando a questão da variação humana na tarefa de Geração de Expressões de Referência (GER). O trabalho apresenta um levantamento bibliográfico sobre o tema, a criação de dois algoritmos de GER e a construção de um novo córpus de expressões de referência. Modelos computacionais de GER baseados nos algoritmos criados foram implementados em versões que incorporam e não incorporam a variação humana e empregados em uma série de experimentos de GER em sete córpus de expressões de referência. Resultados comprovam a hipótese inicial de que algoritmos de GER que levam em conta a variação humana podem gerar expressões de referência mais próximas a descrições de seres humanos do que algoritmos que não levam esta questão em conta. Além disso, confirmou-se que algoritmos de GER baseados em técnicas de aprendizado de máquina mostram-se superiores a algoritmos de GER consagrados e amplamente utilizados na literatura, como o algoritmo Incremental. / This work concerns a MSc Project in the field of Natural Language Generation (NLG), focusing on the issue of human variation in the Referring Expression Generation task (REG). The study presents a literature review on the topic, the proposal of two REG algorithms and the construction of a new corpus of referring expressions. Based on these algorithms, two REG models are implemented: with and without taking human variation. These models are employed in a series of REG experiments using seven referring expression corpora. Results confirm the initial hypothesis that REG algorithms that take speaker variation into account outperform existing algorithms that generate speaker-independent descriptions. Moreover, the present study confirms that algorithms based on machine learning techniques overperform existing algorithms, as the Dale and Reiter\'s Incremental algorithm.

Este trabalho apresenta um estudo em nível de mestrado na área de Geração de Língua Natural (GLN), enfocando a experimentação na tarefa de Geração de Expressões de Referência (GER). O trabalho apresenta um levantamento bibliográfico sobre o tema, abordando principalmente o modo monólogo e diálogo de realização destes experimentos. Além disso, é apresentado um modelo computacional para a validação automática das descrições produzidas em experimentos de GER, e a sua incorporação em uma ferramenta WEB para realização de experimentos de custo mais baixo, do tipo monólogo, com os benefícios de experimentos do tipo diálogo. O Modelo é avaliado de maneira intrínseca com base em um conjunto de córpus de GER, e de maneira extrínseca em um experimento real com humanos. Resultados comprovam a hipótese inicial de que descrições coletadas em modo monólogo com validação automática das descrições são mais próximas das descrições obtidas em modo diálogo do que as obtidas em modo monólogo / This work concerns a MSc Project in the field of Natural Language Generation (NLG), focusing on the issue of experimentation in the Referring Expression Generation (REG). The study presents a literature review on the topic, distinguishing between monologue and dialogue experiments. Moreover, a computational model for the validation of referring expressions collected in these experiments is presented. The proposed model is embedded in a WEB tool for the design of low-cost monologue experiments with the advantages of dialogue settings. The Model is assessed intrinsically based on a set of GER corpus, and extrinsically in a real experiment with humans. Results confirm the initial hypothesis that descriptions collected in monologue settings with automatic validation of the descriptions are closer to the descriptions obtained in dialog ones than those obtained in monologue settings

Este documento apresenta um estudo em nível de mestrado na área de Geração de Língua Natural (GLN), enfocando a questão da variação humana na tarefa de Geração de Expressões de Referência (GER). O trabalho apresenta um levantamento bibliográfico sobre o tema, a criação de dois algoritmos de GER e a construção de um novo córpus de expressões de referência. Modelos computacionais de GER baseados nos algoritmos criados foram implementados em versões que incorporam e não incorporam a variação humana e empregados em uma série de experimentos de GER em sete córpus de expressões de referência. Resultados comprovam a hipótese inicial de que algoritmos de GER que levam em conta a variação humana podem gerar expressões de referência mais próximas a descrições de seres humanos do que algoritmos que não levam esta questão em conta. Além disso, confirmou-se que algoritmos de GER baseados em técnicas de aprendizado de máquina mostram-se superiores a algoritmos de GER consagrados e amplamente utilizados na literatura, como o algoritmo Incremental. / This work concerns a MSc Project in the field of Natural Language Generation (NLG), focusing on the issue of human variation in the Referring Expression Generation task (REG). The study presents a literature review on the topic, the proposal of two REG algorithms and the construction of a new corpus of referring expressions. Based on these algorithms, two REG models are implemented: with and without taking human variation. These models are employed in a series of REG experiments using seven referring expression corpora. Results confirm the initial hypothesis that REG algorithms that take speaker variation into account outperform existing algorithms that generate speaker-independent descriptions. Moreover, the present study confirms that algorithms based on machine learning techniques overperform existing algorithms, as the Dale and Reiter\'s Incremental algorithm.

Este trabalho apresenta um estudo em nível de mestrado na área de Geração de Língua Natural (GLN), enfocando a experimentação na tarefa de Geração de Expressões de Referência (GER). O trabalho apresenta um levantamento bibliográfico sobre o tema, abordando principalmente o modo monólogo e diálogo de realização destes experimentos. Além disso, é apresentado um modelo computacional para a validação automática das descrições produzidas em experimentos de GER, e a sua incorporação em uma ferramenta WEB para realização de experimentos de custo mais baixo, do tipo monólogo, com os benefícios de experimentos do tipo diálogo. O Modelo é avaliado de maneira intrínseca com base em um conjunto de córpus de GER, e de maneira extrínseca em um experimento real com humanos. Resultados comprovam a hipótese inicial de que descrições coletadas em modo monólogo com validação automática das descrições são mais próximas das descrições obtidas em modo diálogo do que as obtidas em modo monólogo / This work concerns a MSc Project in the field of Natural Language Generation (NLG), focusing on the issue of experimentation in the Referring Expression Generation (REG). The study presents a literature review on the topic, distinguishing between monologue and dialogue experiments. Moreover, a computational model for the validation of referring expressions collected in these experiments is presented. The proposed model is embedded in a WEB tool for the design of low-cost monologue experiments with the advantages of dialogue settings. The Model is assessed intrinsically based on a set of GER corpus, and extrinsically in a real experiment with humans. Results confirm the initial hypothesis that descriptions collected in monologue settings with automatic validation of the descriptions are closer to the descriptions obtained in dialog ones than those obtained in monologue settings

Este documento apresenta uma pesquisa a nvel de mestrado acadêmico, cujo o foco é a tarefa computacional de Geração de Expressões de Referência (GER), uma parte fundamental da comunicação que é estudada na Geração de Linguagem Natural (GLN). Mais especificamente, foram estudados os aspectos da linguagem que se manifestam em contextos de comunicação com restrição de tempo, e com base nisso foi proposto um modelo computacional de GER para produzir expressões de referência com o nvel de superespecificação parametrizável. Além disso, considerando-se as caractersticas de adaptabilidade do modelo proposto, também foi sugerida uma generalização deste para outros domnios, como os que compreendem contextos de comunicação além dos que possuem restrição de tempo / This document presents a MSc research that focused on the computational subtask of Referring Expression Generation (REG), an important component of Natural Language Generation (NLG) systems. More specifically, this work analyzes how time-restricted contexts of communication may affect language production and a computational model of GER was proposed to produce reference expressions with parameterizable superspecification. Furthermore, given the adaptability characteristics of the proposed model, it has also been suggested a generalization to other domains, which includes communication contexts besides those that have time constraints

O presente trabalho traz um estudo no âmbito de Geração de Língua Natural, com ênfase na tarefa de Geração de Expressões de Referência (GER), a qual consiste em gerar expressões referenciais semelhantes às 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 dados é 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 na área. 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 / The present work presents a study in the field of Generation of Natural Language, with emphasis on the task of Generation of Reference Expressions (GER), which is to generate reference expressions similar to those produced by humans. There are studies that explore the use of individual human variation in learning the pattern of content selection in the construction of descriptions, however, training such datasets is computationally expensive. The paper presents a content selection model for GER based on personality traits, which generalizes patterns of similar referential behavior in each personality profile. The research also carried out a bibliographic survey on the subject, and a corpus was constructed with reference expressions containing personality information of each participant, which were annotated based on the model of the Five Great Factors. This corpus is intended to be used as an input in both the developed model and other studies in the area. The results show that personality-dependent GER models exceed traditional GER algorithms, and are a viable alternative in approaches that depend on the variation of speakers

O presente trabalho traz um estudo no âmbito de Geração de Língua Natural, com ênfase na tarefa de Geração de Expressões de Referência (GER), a qual consiste em gerar expressões referenciais semelhantes às 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 dados é 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 na área. 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 / The present work presents a study in the field of Generation of Natural Language, with emphasis on the task of Generation of Reference Expressions (GER), which is to generate reference expressions similar to those produced by humans. There are studies that explore the use of individual human variation in learning the pattern of content selection in the construction of descriptions, however, training such datasets is computationally expensive. The paper presents a content selection model for GER based on personality traits, which generalizes patterns of similar referential behavior in each personality profile. The research also carried out a bibliographic survey on the subject, and a corpus was constructed with reference expressions containing personality information of each participant, which were annotated based on the model of the Five Great Factors. This corpus is intended to be used as an input in both the developed model and other studies in the area. The results show that personality-dependent GER models exceed traditional GER algorithms, and are a viable alternative in approaches that depend on the variation of speakers