Pesquisa vetorial em língua portuguesa

avaliação comparativa de modelos de embeddings

Resumo

Este estudo analisa, de forma comparativa, modelos de embeddings aplicados à recuperação vetorial em língua portuguesa. Utilizando o corpus bilíngue Pirá — composto por pares equivalentes em português e inglês —, a pesquisa avalia a proximidade semântica entre vetores gerados por modelos multilíngues frente a um modelo focado em inglês. A metodologia emprega a similaridade de cosseno para mensurar o alinhamento de respostas traduzidas. Os resultados evidenciam a superioridade dos modelos multilíngues e reiteram a importância de testes criteriosos antes da implementação em sistemas de recuperação de informações. Conclui-se que a seleção do modelo impacta decisivamente a precisão de buscas em sistemas de recuperação da informação em bibliotecas e bibliotecas digitais.