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 SizeFormat 
MOUSSOUGAN.pdf595.35 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.