Please use this identifier to cite or link to this item:
https://rd.uffs.edu.br/handle/prefix/9704| Type: | Monografia |
| Title: | Análise da performance de modelos de LLM em sumarização de artigos científicos escritos em português brasileiro após processo de fine-tuning |
| Author: | Moussougan, Komi Parfait |
| First advisor: | Salton, Giancarlo Dondoni |
| Resume: | Este trabalho avalia modelos de linguagem de grande porte na sumarização de textos científicos em português brasileiro, com foco no impacto do fine-tuning. Experimentos com PTT5 e Flan-T5 (encoder-decoder) e mBERT e RoBERTa (encoder-only) foram realizados em 100 artigos completos (cinco áreas, ≥ 2020). Para modelos gerativos, aplicou-se chunking (512 tokens com overlap) e agregação map-reduce; para os encoder-only, sumarização extrativa por similaridade de cosseno ao resumo do autor. O ajuste fino (LoRA) foi avaliado com ROUGE, BERTScore e análise qualitativa. Os resultados indicam que o alinhamento do pré-treinamento ao português é decisivo: o PTT5 degrada após o ajuste e o Flan-T5 apresentou instabilidade/possível colapso linguístico; em contraste, o fine-tuning melhorou os modelos extrativos, sobretudo o mBERT, sugerindo seleção mais relevante e menos redundância. |
| Abstract: | This paper evaluates large language models (LLMs) for summarizing Brazilian Portuguese scientific texts, focusing on fine-tuning effects. We compare PTT5 and Flan-T5 (encoder-decoder) and mBERT and RoBERTa (encoder-only) on 100 full papers (five fields, ≥ 2020). Generative models use chunking (512 tokens, overlap) with map-reduce aggregation, while encoder-only models perform extractive selection via cosine similarity to the authors' abstracts. Fine-tuning (LoRA) is assessed with ROUGE, BERTScore, and qualitative analysis. Results show Portuguese-aligned pretraining is crucial: PTT5 degrades after fine-tuning and Flan-T5 becomes unstable/consistent with language collapse; conversely, fine-tuning improves extractive models, especially mBERT, indicating more relevant and less redundant sentence selection. |
| Keywords: | Inteligência artificial Comunicação científica Processamento de linguagem natural Tratamento automático de textos e discursos Resumos |
| Language: | por |
| Country: | Brasil |
| Publisher: | Universidade Federal da Fronteira Sul |
| Acronym of the institution: | UFFS |
| College, Institute or Department: | Campus Chapecó |
| Type of Access: | Acesso Aberto |
| URI: | https://rd.uffs.edu.br/handle/prefix/9704 |
| Issue Date: | 2026 |
| Appears in Collections: | Ciência da Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MOUSSOUGAN.pdf | 595.35 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.