Defesa pública da tese de doutorado de Thiago Raulino Dal Pont no Programa de Pós-Graduação em Engenharia de Automação e Sistemas (PosAutomação) da Universidade Federal de Santa Catarina (UFSC), realizada por videoconferência em 14 de setembro de 2026. A tese foi aprovada pela banca.
Classificadores de texto baseados em deep learning costumam acertar, mas raramente mostram por quê. A tese propõe o H-REX (Hierarchical and Relational EXplanations), que usa Redes Neurais de Grafos Hierárquicas (HGNNs) para gerar explicações que combinam relações entre palavras, níveis de abstração e conceitos aprendidos, nomeados por Concept Grounding. O H-REX foi avaliado em análise de sentimento (IMDB) e na predição de decisões de habeas corpus do STF (STF-HC), com métricas quantitativas de XAI e com uma avaliação com 26 estudantes de Direito. Os resultados mostram ganhos principalmente em suficiência nos níveis mais abstratos; os avaliadores preferiram explicações próximas do texto original, e dar nomes aos conceitos com LLMs foi a estratégia mais promissora, embora ainda seja um desafio.
Tese: H-REX: Hierarchical and Relational EXplanations for Graph-based Deep Learning Text Classifiers
Candidato: Thiago Raulino Dal Pont
Orientador: Prof. Dr. Jomi Fred Hübner (PosAutomação/UFSC), presidente da banca
Coorientador: Prof. Dr. Aires José Rover (PPGD/UFSC)
Banca:
• Prof. Dr. Ricardo Marcondes Marcacini (SCC/ICMC/USP), relator
• Profa. Dra. Cinthia Obladen de A. Freitas (PUCPR)
• Prof. Dr. Alexandre Leopoldo Gonçalves (DEC/CTS/UFSC)
• Prof. Dr. Eric Aislan Antonelo (PosAutomação/UFSC)
Legendas em português, inglês e italiano.
Agradeço a Deus, à Helena minha esposa, aos meus orientadores, professores Jomi e Aires, aos membros da banca pela leitura cuidadosa e pelas contribuições, à Isabela e aos colegas do Direito pela parceria na construção dos dados.
— English —
Public defence of Thiago Raulino Dal Pont’s PhD thesis in the Graduate Program in Automation and Systems Engineering (PosAutomação) at the Federal University of Santa Catarina (UFSC), held by videoconference on 14 September 2026. The thesis was approved by the examination committee.
Deep learning text classifiers are often accurate but rarely show why. The thesis proposes H-REX (Hierarchical and Relational EXplanations), which uses Hierarchical Graph Neural Networks (HGNNs) to produce explanations that combine relations between words, levels of abstraction and learned concepts, named through Concept Grounding. H-REX was evaluated on sentiment analysis (IMDB) and on predicting Brazilian Supreme Court habeas corpus decisions (STF-HC), with quantitative XAI metrics and a human evaluation with 26 law students. The results show gains mainly in sufficiency at the more abstract levels; evaluators preferred explanations close to the original text, and naming concepts with LLMs was the most promising strategy, although it remains a challenge.
Supervisor: Prof. Jomi Fred Hübner · Co-supervisor: Prof. Aires José Rover · Committee: Prof. Ricardo Marcondes Marcacini (rapporteur), Prof. Cinthia Obladen de A. Freitas, Prof. Alexandre Leopoldo Gonçalves, Prof. Eric Aislan Antonelo. Subtitles in Portuguese, English and Italian.
Capítulos / Chapters
0:00 Abertura / Opening
0:42 O problema da caixa preta / The black-box problem
1:40 Explicações com tokens / Token-based explanations
2:51 Explicações com subgrafos / Subgraph explanations
5:13 Conceitos e hierarquias / Concepts and hierarchies
6:55 Lacuna de pesquisa e proposta / Research gap and proposal
9:26 Pergunta de pesquisa e hipóteses / Research question and hypotheses
10:49 Metodologia em três fases / Three-phase methodology
12:02 Fase I: treinamento do modelo / Phase I: model training
14:40 Fase I: experimentos e resultados / Phase I: experiments and results
17:26 Fase II: extração das explicações / Phase II: extracting explanations
22:20 Fase II: quadrantes, métricas e resultados / Phase II: quadrants, metrics and results
27:40 Fase III: Concept Grounding / Phase III: Concept Grounding
29:40 Fase III: avaliação com humanos / Phase III: human evaluation
33:55 Conclusão e contribuições / Conclusion and contributions
36:22 Limitações e trabalhos futuros / Limitations and future work
38:12 Início da arguição / Committee questioning begins
39:40 Prof. Ricardo Marcacini (relator / rapporteur)
58:19 Profa. Cinthia Freitas
1:31:13 Prof. Alexandre Gonçalves
2:00:29 Prof. Eric Antonelo
2:16:47 Palavras dos orientadores / Supervisors’ remarks
2:24:16 Deliberação da banca / Committee deliberation
2:32:29 Resultado: aprovado / Result: approved
2:33:08 Agradecimentos / Closing thanks
#XAI #IAExplicável #ExplainableAI #GraphNeuralNetworks #NLP #IAeDireito #UFSC
source