A Função do Índice de Síntese das Linguagens na Classificação Gramatical com Redes Neurais sem Peso

A classificação gramatical de palavras em uma sentença é o ponto de partida para tarefas mais complexas, por exemplo, como a inferência de gramáticas. Para isso, as ferramentas responsáveis por tal procedimento precisam ter uma taxa de acerto muito elevada e um tempo muito baixo para classificar as palavras. As mais usadas hoje em dia utilizam abordagens que requerem o uso de processos iterativos, tornando a fase de treino muito lenta. Esta lentidão impossibilita a tarefa de classificação gramatical multilíngue, uma vez que, conforme o número de línguas cresce, o mesmo ocorre com o tempo de treinamento. Nesta dissertação se apresenta uma proposta para tornar o treinamento de classificadores gramaticais mais ágil. Primeiramente, propõe-se usar a WiSARD, uma arquitetura de rede neural sem peso, para executar as tarefas de classificação gramatical, uma vez que esta não necessita atingir qualquer convergência em seu treino. Ademais, cogita-se que haja uma relação direta entre os valores dos índices de síntese e os dos parâmetros da configuração ótima de rede para classificação gramatical em uma dada linguagem. Os experimentos conduzidos mostram que a arquitetura WiSARD realmente acelera a fase de treino dos classificadores gramaticais e também que se podem usar os valores dos índices de síntese para se estimar a melhor configuração da WiSARD capaz de executar classificações gramaticais em uma língua. Além disso, os experimentos também indicam que a classificação gramatical de palavras com a WiSARD é bem mais correta e precisa que a encontrada na literatura.