Contributions to topic taxonomy construction in a specific domain using statistical learning / Contribuições para a construção de taxonomias de tópicos em domínios restritos utilizando aprendizado estatístico

AUTOR(ES)

Maria Fernanda Moura

DATA DE PUBLICAÇÃO

2009

RESUMO

A mineração de textos vem de encontro à realidade atual de se compreender e utilizar grandes massas de dados textuais. Uma forma de auxiliar a compreensão dessas coleções de textos é construir taxonomias de tópicos a partir delas. As taxonomias de tópicos devem organizar esses documentos, preferencialmente em hierarquias, identificando os grupos obtidos por meio de descritores. Construir manual, automática ou semi-automaticamente taxonomias de tópicos de qualidade é uma tarefa nada trivial. Assim, o objetivo deste trabalho é construir taxonomias de tópicos em domínios de conhecimento restrito, por meio de mineração de textos, a fim de auxiliar o especialista no domínio a compreender e organizar os textos. O domínio de conhecimento é restrito para que se possa trabalhar apenas com métodos de aprendizado estatístico não supervisionado sobre representações bag of words dos textos. Essas representações independem do contexto das palavras nos textos e, conseqüentemente, nos domínios. Assim, ao se restringir o domínio espera-se diminuir erros de interpretação dos resultados. A metodologia proposta para a construção de taxonomias de tópicos é uma instanciação do processo de mineração de textos. A cada etapa do processo propôem-se soluções adaptadas às necessidades específicas de construçao de taxonomias de tópicos, dentre as quais algumas contribuições inovadoras ao estado da arte. Particularmente, este trabalho contribui em três frentes no estado da arte: seleção de atributos n-gramas em tarefas de mineração de textos, dois modelos para rotulação de agrupamento hierárquico de documentos e modelo de validação do processo de rotulação de agrupamento hierárquico de documentos. Além dessas contribuições, ocorrem outras em adaptações e metodologias de escolha de processos de seleção de atributos, forma de geração de atributos, visualização das taxonomias e redução das taxonomias obtidas. Finalmente, a metodologia desenvolvida foi aplicada a problemas reais, tendo obtido bons resultados.

ASSUNTO(S)

n-gram attribute selection text mining topic taxonomy taxonomia de tópicos hierarchial document cluster labeling mineração de textos rotulação de agrupamento hierárquico de documentos seleção de atributos n-gramas

Documentos Relacionados

• Contribuições para a construção de taxonomias de tópicos em domínios restritos utilizando aprendizado estatístico
• Contribuições para a construção de taxonomias de tópicos em domínios restritos utilizando aprendizado estatístico.
• Contributions to projection pursuit learning
• CONTRIBUTIONS TO STATISTICAL CONTROL OF MULTIPLE STREAM PROCESSES
• Aprendizado não supervisionado de hierarquias de tópicos a partir de coleções textuais dinâmicas