|
|
|
|
|
| MOURA, M. F.; SANTOS, F. F. dos; MARCACINI, R. M.; REZENDE, S. O.. |
| Para facilitar a compreensão de uma coleção de documentos, pode-se organizá-la em grupos hierárquicos e obter descritores para cada um dos grupos automaticamente. O problema que se apresenta é decidir entre métodos de agrupamentos e de descrição dos grupos, que sejam eficientes e apresentem bons resultados. Particularmente, este trabalho apresenta uma proposta para a comparação entre resultados obtidos a partir de métodos de seleção de descritores em agrupamentos hierárquicos de documentos, especificamente para métodos independentes do algoritmo de agrupamento utilizado. Para esses métodos, dado um agrupamento hierárquico, o objetivo é selecionar descritores (palavras ou sentenças) discriminativos dos grupos, preferencialmente sem repetição de descritores... |
| Tipo: Boletim de Pesquisa e Desenvolvimento (INFOTECA-E) |
Palavras-chave: Descritores de agrupamento; Agrupamento hierárquico; Mineração de texto; Modelos lineares generalizado; Análise de variância; Recuperação de informação; Hierarchical document clusters descriptors; Generalized linear models.; Mutual information mean.; Multiple mean comparisons. |
| Ano: 2010 |
URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/885560 |
| |
|
|
| MOURA, M. F.; NOGUEIRA, B. M.; CONRADO, M. da S.; SANTOS, F. F. dos; REZENDE, S. O.. |
| Uma proposta completa para resolver o problema de selecionar automaticamente atributos não redundantes do tipo n-gramas é apresentada neste trabalho. Geralmente, o uso de n-gramas é um requisito para melhorar a interpretação subjetiva dos resultados em tarefas de mineração de textos, nesses casos, eles são estatisticamente gerados e selecionados. Após a seleção, em geral, há a presença de redundâncias, por exemplo, o termo "informática agropecuária" e seus componentes "informática" e "agropecuária". Assim, propõe-se um modelo que envolve a remoção de stopwords estatisticamente identificadas, uma seleção estatística eficiente para os atributos do tipo n-grama e a remoção das redundâncias apresentadas após a seleção. Observa-se, pelos resultados... |
| Tipo: Boletim de Pesquisa e Desenvolvimento (INFOTECA-E) |
Palavras-chave: Recuperação da informação; Seleção de atributos; N-gramas; Atributos redundantes; Mineração de textos; Dados categorizados; Text mining.; Attribute selection; Categorical data; N-grams; Redundant attribute; Information retrieval.. |
| Ano: 2010 |
URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/885611 |
| |
|
|
|
