Making good choices of non-redundant n-gramwords

Moura, M. F.; Nogueira, Bruno; Conrado, Merley da Silva; Santos, Fabiano Fernandes dos; Rezende, Solange Oliveira

doi:10.1109/iccitechn.2008.4803111

Cited by 5 publications

(8 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Figura 4.3: Geração de atributos na metodologia de avaliaçãó E importante ressaltar que, embora a metodologia de Moura et al (2008a) adote o uso de termos compostos (n-gramas) para fins de maior compreensibilidade da taxonomia de tópicos extraída, a avaliação aqui apresentada sugere a utilização de apenas termos simples. Essa decisão se deve ao fato de que, conforme afirmado em Moura et al (2008c), métodos de seleção de atributos que analisam estatisticamente a freqüência dos termos, como os aqui mostrados, são mais confiáveis para conjuntos de termos simples, pois apresentam tendência em favorecer termos que não são muito freqüentes nem muito raros. Experimentalmente,é fácil perceber que os termos compostos mais interessantes são, geralmente, os termos com maiores freqüência, embora essa não seja condição suficiente para considerá-los termos relevantes ao domínio.…”

Section: Geração De Atributosunclassified

“…Experimentalmente,é fácil perceber que os termos compostos mais interessantes são, geralmente, os termos com maiores freqüência, embora essa não seja condição suficiente para considerá-los termos relevantes ao domínio. Ainda em Moura et al (2008c)é possível encontrar um eficiente método para seleção de termos compostos, subseqüenteà seleção de termos simples, baseado na não-redundância de termos.…”

Section: Geração De Atributosunclassified

“…Algumas dessas contribuições parciais tiveram seus resultados formalizados por meio de publicações em congressos científicos daárea de Inteligência Artificial e um relatório técnico, disponíveis nos trabalhos de Nogueira et al (2008b), Nogueira et al (2008a), Moura et al (2008a), Moura et al (2008b) e Moura et al (2008c).…”

Section: Principais Contribuiçõesunclassified

See 2 more Smart Citations

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

Nogueira¹

View full text Add to dashboard Cite

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.

show abstract

Section: Geração De Atributosunclassified

See 1 more Smart Citation

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

Nogueira¹

View full text Add to dashboard Cite

show abstract

“…Como resultado indireto, houve a participação no trabalho de Moura et al (2008) com contribuições em trabalhos relacionados ao problema aqui tratado.…”

Section: Conclusõesunclassified

Selecionando candidatos a descritores para agrupamentos hierárquicos de documentos utilizando regras de associação

Santos¹

View full text Add to dashboard Cite

Dissertação apresentada ao Instituto de Ciências Matemáticas e de Computação -ICMC-USP, como parte dos requisitos para obtenção do título de Mestre em Ciências -Ciências de Computação e Matemática Computacional USP -São CarlosAgosto/2010iii AgradecimentosAos meus pais, Vera e Agnaldo, pelo apoio e compreensão nessa jornada tão difícil qué e criar um filho para o mundo.A Rafaela, minha namorada, pelo carinho e atenção mesmo nos momentos mais conturbados deste trabalho.Aos amigos do LABIC pelas horas de boas risadas e discussões. Aos "irmãos de orientação" que tornaram possível a realização deste trabalho. A Veronica, cujas contribuições foram fundamentais para os rumos deste trabalho. A minha orientadora, Solange, que não desistiu de mim mesmo quando nem mesmo eu acreditava que terminaria este trabalho.A todos os amigos que direta ou indiretamente contribuíram para a minha formação pessoal e profissional.A CAPES pelo auxílio financeiro.v Resumo Uma forma de extrair e organizar o conhecimento, que tem recebido muita atenção noś ultimos anos,é por meio de uma representação estrutural dividida por tópicos hierarquicamente relacionados. Uma vez construída a estrutura hierárquica,é necessário encontrar descritores para cada um dos grupos obtidos pois a interpretação destes gruposé uma tarefa complexa para o usuário, já que normalmente os algoritmos não apresentam descrições conceituais simples. Os métodos encontrados na literatura consideram cada documento como uma bag-of-words e não exploram explicitamente o relacionamento existente entre os termos dos documento do grupo. No entanto, essas relações podem trazer informações importantes para a decisão dos termos que devem ser escolhidos como descritores dos nós, e poderiam ser representadas por regras de associação. Assim, o objetivo deste trabalhoé avaliar a utilização de regras de associação para apoiar a identificação de descritores para agrupamentos hierárquicos. Para isto, foi proposto o método SeCLAR (Selecting Candidate Labels using Association Rules), que explora o uso de regras de associação para a seleção de descritores para agrupamentos hierárquicos de documentos. Este método gera regras de associação baseadas em transações construídasà partir de cada documento da coleção, e utiliza a informação de relacionamento existente entre os grupos do agrupamento hierárquico para selecionar candidatos a descritores. Os resultados da avaliação experimental indicam queé possível obter uma melhora significativa com relação a precisão e a cobertura dos métodos tradicionais.vii AbstractOne way to organize knowledge, that has received much attention

show abstract

“…These methods analyse the representativeness of the joint occurrence of the terms that compose the n-gram. For example, in the work of Tan et al (2002), a bi-gram is generated if at least one of the terms that compose it is frequent in a docu-ment; in the work of Rossi et al (2012), the compound term is generated if its frequency and a measure of relation are higher than threshold values; and in the work of Moura et al (2008c) the number of compound terms is reduced by analysing the redundancy among the frequencies of the words that compose the terms.…”

Section: Pre-processingmentioning

confidence: 99%

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

Nogueira¹

View full text Add to dashboard Cite

Making good choices of non-redundant n-gramwords

Cited by 5 publications

References 11 publications

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

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

Selecionando candidatos a descritores para agrupamentos hierárquicos de documentos utilizando regras de associação

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

Contact Info

Product

Resources

About