Avaliação de métodos não-supervisionados de seleção de atributos para mineração de textos

Abstract

A Deus pelas bênçãos alcançadas ao longo dessa jornada. Aos meus pais, José Geraldo e Rita, pelo amor, apoio e compreensão irrestritos com que pude contar durante todo o tempo, em todas as etapas da minha vida. Se consegui chegar até aqui, foi porque me espelhei e me apoiei em vocês, exemplos de determinação. Agradeço também aos meus irmãos, Túlio e Thayse, pelo amor e camaradagem. Ter de deixar o convívio diário com todos vocês foi a decisão mais difícil que já tomei. Mas saibam que, mesmo a 600 quilômetros de distância, não tem umúnico dia que não penso em vocês e que nossa casa continua sendo meu porto seguro. A professora Solange Rezende, pela confiança e orientação sem as quais eu não chegaria a esse ponto. Além de uma educadora exemplar, vocêé uma pessoaímpar, um exemplo a ser seguido por todos. Obrigado pela oportunidade que me deu, pelos conhecimentos transmitidos, pela paciência sempre demonstrada e pela amizade conquistada. A Vanessa, minha namorada, pelo companheirismo tão importante com que pude contar nesse tempo em que estamos juntos. Obrigado por ser essa pessoa tão especial, carinhosa e compreensiva, trazendo-me conforto nessaárdua caminhada. A minha família, em especialàs minhas avós Eva e Izabel (in memoriam), pelo apoio em toda a minha vida e pela compreensão nesses tempos de ausência.

A survey of automatic term extraction for Brazilian Portuguese

“…Next, terms are extracted, and therefore, they are used to describe the text base, as detailed in Conrado [52]. To reduce the amount of terms to be worked with, a term selection is performed by using, e.g., the Luhn, Salton, and term variance, methods, which are detailed in the work of Nogueira [38].…”

“…The zstf [38] measure, formally described in Equation 14, assumes that some parts of the document (such as the abstract and the conclusion) bring higher relevant information about the contents of the document than other parts. Based on this consideration, it attributes higher weights to the words that occur in parts of the document with higher impact or in which higher information related to the content of the document is concentrated.…”

“…From 2009 on, it was established that the responsibility on it would be given only to the Oslo operational pole. The people in charge of this pole are four researchers (Diana Santos, Cristina Mota, Rosário Silva, and Fernando Ribeiro) of Instituto Superior Técnico, Universidade Técnica de Lisboa (IST-UTL) 38 and Universidade de Coimbra (UC) 39 …”

The Main Challenge of Semi-Automatic Term Extraction Methods

“…Luhn [8] and LuhnDF [9] are semi-automatic methods that plot histograms from candidate terms based on, respectively, candidate frequencies (tf ) and document frequencies (df ). These histograms facilitate the visualization of any possible pattern that candidates may follow and, then, the histograms help to determine a threshold.…”

Hierarchical semi-supervised confidence-based active clustering and its application to the extraction of topic hierarchies from document collections

“…On the other hand, unsupervised feature selection algorithms may be employed in unlabeled datasets. Nogueira (2009) presents a comparison of some unsupervised feature selection algorithms for Text Mining. The most commonly used method is the Luhn's method (Luhn, 1958).…”