B2: Um sistema para indexação e agrupamento de artigos científicos em português brasileiro utilizando computação evolucionária

Autores

  • Alexandre Ribeiro Afonso Universidade de Brasília - UnB

Palavras-chave:

artigo científico, indexação automática, linguística, processamentos de dados, mineração de texto, algoritmos

Resumo

Nesta tese é apresentado um estudo estatístico sobre o agrupamento automático de artigos científicos escritos em português do Brasil, são propostos novos métodos de indexação e agrupamento de textos com o objetivo futuro de desenvolver um software para indexar e agrupar textos por área de conhecimento. Foram testadas três classes conhecidas de termos simples para representar (indexar) os textos de entrada a agrupar: (substantivos), (substantivos e adjetivos), (substantivos, adjetivos e verbos) e também foram desenvolvidas três novas classes de termos compostos para representação (indexação) dos textos: classes de termos mais complexos, onde um termo pode ser composto pela junção de substantivos, adjetivos e preposições. Durante a fase de agrupamento textual dos experimentos foram testados os algoritmos de agrupamento: Expectation-Maximization (EM), X-Means, um Algoritmo Evolucionário de Agrupamento Convencional e, ainda, um novo Algoritmo Evolucionário de Agrupamento Proposto cujo diferencial é trabalhar em duas etapas de processamento: uma etapa para localização do agrupamento subótimo genérico e outra etapa para melhorar tal solução. Adicionalmente, o novo algoritmo permite ao usuário definir a formação de mais grupos ou menos grupos no resultado de agrupamento. Os algoritmos de indexação e agrupamento propostos foram codificados e implementados em um protótipo denominado B2, no entanto, para testar os algoritmos de agrupamento EM e X-Means foi utilizado o pacote de mineração de dados WEKA. Quatro corpora de artigos científicos, diferentes entre si por guardarem artigos de áreas científicas distintas, foram reunidos para testar as combinações de indexação e algoritmo de agrupamento propostas. Melhores resultados de agrupamento (por área de conhecimento dos artigos) foram obtidos utilizando termos compostos na indexação, ao invés do uso de termos simples, quando combinados com o uso do novo Algoritmo Evolucionário de Agrupamento Proposto, porém, para obter grupos bem formados, um número excessivo de grupos é gerado pelo protótipo, consumindo alto tempo de computação para executar tais novos métodos, em um computador pessoal convencional do ano de 2012. Pode-se concluir que o problema de agrupar automaticamente artigos científicos em suas áreas originais é uma tarefa complexa. Logo, acredita-se que os métodos de indexação e agrupamento desenvolvidos possam ser aprimorados para utilização futura em situações específicas, onde a fragmentação e geração adicional de grupos além do esperado não seja um problema maior.

Downloads

Não há dados estatísticos.

Biografia do Autor

Alexandre Ribeiro Afonso, Universidade de Brasília - UnB

Bacharel em Ciência da Computação. Mestre em Engenharia de Computação na especialidade de interfaces em linguagem natural para bancos de dados relacionais. Doutor em Ciência da Informação pela Universidade de Brasília na especialidade de indexação e agrupamento automático de artigos científicos. Interesses profissionais e de pesquisa incluem: Linguística Computacional, Organização e Recuperação da Informação, Mineração de Dados e Textos, Inteligência Computacional.

Downloads

Como Citar

Afonso, A. R. (2016). B2: Um sistema para indexação e agrupamento de artigos científicos em português brasileiro utilizando computação evolucionária. Revista Ibero-Americana De Ciência Da Informação, 9(2), 564. Recuperado de https://periodicos.unb.br/index.php/RICI/article/view/2430

Edição

Seção

Resumo de teses e dissertações

Artigos Semelhantes

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.