Comparação dos modelos BERT e Snips para compreensão de linguagem natural para assistente virtual ADA

Compreensão de linguagem natural, é uma subárea importante de Processamento de Linguagem Natural em Inteligência Artificial, que busca entender e extrair informação semântica de um texto ou fala. Ela é um componente essencial de qualquer assistente virtual moderna, sendo responsável por identificar a intenção do usuário e os objetos de sua fala. Sendo assim, este trabalho apresenta uma comparação de dois modelos, sendo estes o BERT e Snips, para compreensão de linguagem natural. Tais modelos foram testados com o intuito de serem integrados à assistente virtual A.D.A., realizando as tarefas de classificação de intenção e slot filling. Como resultados preliminares, conseguimos obter alta precisão em ambas as tarefas com as soluções testadas. Assim, podemos concluir que as duas soluções são adequadas para integração com a A.D.A. dependendo do contexto.