@inproceedings{almeida-etal-2026-cartas,
    title = "Cartas Ind{\'i}genas ao Brasil: Classifica{\c{c}}{\~a}o Multi-R{\'o}tulo",
    author = "Almeida, Caio  and
      Vieira, Renata  and
      Abdalla, D{\'e}bora",
    editor = "Souza, Marlo  and
      de-Dios-Flores, Iria  and
      Santos, Diana  and
      Freitas, Larissa  and
      Souza, Jackson Wilke da Cruz  and
      Ribeiro, Eug{\'e}nio",
    booktitle = "Proceedings of the 17th International Conference on Computational Processing of {P}ortuguese ({PROPOR} 2026) - Vol. 1",
    month = apr,
    year = "2026",
    address = "Salvador, Brazil",
    publisher = "Association for Computational Linguistics",
    url = "https://preview.aclanthology.org/ingest-dnd/2026.propor-1.70/",
    pages = "708--716",
    ISBN = "979-8-89176-387-6",
    abstract = "Este artigo investiga a classifica{\c{c}}{\~a}o autom{\'a}tica multi-r{\'o}tulo de cartas ind{\'i}genas ao Brasil em categorias tem{\'a}ticas. A partir do acervo digital ``Cartas Ind{\'i}genas ao Brasil'', que constitui um corpus de 871 cartas anotadas em 18 categorias, comparamos tr{\^e}s abordagens de classifica{\c{c}}{\~a}o: um modelo lexical (TF-IDF + regress{\~a}o log{\'i}stica), um modelo contextual (BERTimbau-base) e um classificador baseado em grandes modelos de linguagem (LLM). Para lidar com o desbalanceamento do corpus, empregamos estrat{\'e}gias de balanceamento de classes no modelo neural. Os resultados revelam um trade-off entre precis{\~a}o e recall: o baseline lexical apresenta maior precis{\~a}o (0,65), enquanto o BERTimbau demonstra maior recall (0,67), especialmente em categorias minorit{\'a}rias. Ambos alcan{\c{c}}am macro-F1 de 0,42, evidenciando que a classifica{\c{c}}{\~a}o multi-r{\'o}tulo neste dom{\'i}nio {\'e} uma tarefa desafiadora, em especial devido ao desbalanceamento do corpus e {\`a} sobreposi{\c{c}}{\~a}o sem{\^a}ntica entre categorias. O classificador baseado em LLM atinge alto recall, especialmente em categorias minorit{\'a}rias, mas tende a superestimar o n{\'u}mero de r{\'o}tulos por documento, refor{\c{c}}ando o trade-off entre precis{\~a}o e cobertura observado nas outras duas abordagens. A an{\'a}lise detalhada por classe revela comportamentos complementares entre os modelos, sugerindo que abordagens h{\'i}bridas podem superar as limita{\c{c}}{\~o}es individuais de cada m{\'e}todo. O corpus e os scripts dos experimentos ser{\~a}o disponibilizados publicamente."
}