Uso de informações lingüísticas na etapa de pré - processamento em mineração de textos

AUTOR(ES)
DATA DE PUBLICAÇÃO

2004

RESUMO

Este trabalho apresenta estudos, com realização de experimentos e análise de resultados, da aplicação de informações lingüísticas na etapa de pré-processamento no processo de Mineração de Textos para as tarefas de Categorização e Agrupamento de Documentos. Usualmente, o pré-processamento utilizado no processo de Mineração de Textos para estas tarefas consiste na remoção de termos irrelevantes (tais como, preposição, artigos, pronomes, entre outros), normalização morfológica e seleção dos termos (ao que denominamos baseado em métodos usuais). Propõe-se, ao longo deste trabalho, um pré-processamento que faz o uso de informações lingüísticas, ou seja, um préprocessamento baseado em combinações gramaticais, visando avaliar a repercussão do uso dessas informações nos resultados de tarefas de Mineração de Textos. Foram realizados diversos experimentos para a validação da abordagem proposta junto à língua portuguesa. O corpus utilizado nos experimentos consiste de um extrato do corpus NILC (Núcleo Interinstitucional de Lingüística Computacional), formado por textos jornalísticos do ano de 1994 das seções: Esporte, Imóveis, Informática, Política e Turismo, escritos em português do Brasil. Experimentos com as combinações gramaticais: substantivos; substantivosadjetivos; substantivos-nomespróprios; substantivos-nomespróprios-adjetivos; e finalmente nomespróprios-adjetivos são descritos. A análise dos resultados é detalhada, apresentando comparações entre os resultados obtidos a partir do pré-processamento usual e os resultados obtidos a partir da seleção por combinações gramaticais aqui proposta. Com o resultado dos experimentos, pode-se verificar que o uso de informações lingüísticas na etapa de pré-processamento apresentou melhorias em ambas tarefas de categorização e agrupamento de textos. Para os experimentos de categorização a menor taxa de erro (18,01%) foi obtida através da seleção de substantivos-nomespróprios para o aprendizado simbólico. Para os experimentos de agrupamento o uso de informações lingüísticas possibilitou a identificação de um maior numero de grupos.

ASSUNTO(S)

computação informações linguísticas ciencia da computacao linguística mineração de textos categorização e agrupamento de texto mineração de textos

ACESSO AO ARTIGO

Documentos Relacionados