|
|
Registros recuperados : 41 | |
10. | | MOURA, M. F.; MACACINI, R. M.; REZENDE, S. O. Easily labelling hierarchical document clusters. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS, 23.; SIMPÓSIO BRASILEIRO DE ENGENHARIA DE SOFTWARE, 22.; WORKSHOP EM ALGORITMOS E APLICAÇÕES DE MINERAÇÃO DE DADOS, 4., 2008, Campinas. Anais... Campinas: UNICAMP, Instituto de Computação, 2008. p. 37-45. Biblioteca(s): Embrapa Agricultura Digital. |
| |
18. | | MOURA, M. F.; MARCACINI, R. M.; NOGUEIRA, B. M.; CONRADO, M. da S.; REZENDE, S. O. A proposal for building domain topic taxonomies. In: WORKSHOP ON WEB AND TEXT INTELLIGENCE, 1.; SIMPÓSIO BRASILEIRO EM INTELIGÊNCIA ARTIFICIAL, 19., 2008, Salvador: Proceedings... São Carlos: ICMC/USP, 2008. p. 83-84. Biblioteca(s): Embrapa Agricultura Digital. |
| |
20. | | RODRIGUES, L. S.; SINOARA, R. A.; REZENDE, S. O.; MARCACINI, R. M.; MOURA, M. F. Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais. In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPECUÁRIA, 11., 2015, Campinas. Resumos expandidos... Brasília, DF: Embrapa, 2015. p. 38-44. Biblioteca(s): Embrapa Agricultura Digital. |
| |
Registros recuperados : 41 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
11/07/2011 |
Data da última atualização: |
06/01/2012 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
C - 0 |
Autoria: |
REZENDE, S. O.; MARCACINI, R. M.; MOURA, M. F. |
Afiliação: |
SOLANGE O. REZENDE, ICMC/USP; RICARDO M. MARCACINI, ICMC/USP; MARIA FERNANDA MOURA, CNPTIA. |
Título: |
O uso da mineração de textos para extração e organização não supervisionada de conhecimento. |
Ano de publicação: |
2011 |
Fonte/Imprenta: |
Revista de Sistema de Informação da FSMA, Macaé, n. 7, p. 7-21, 2011. |
Idioma: |
Português |
Conteúdo: |
Resumo. O avanço das tecnologias para aquisição e armazenamento de dados tem permitido que o volume de informação gerado em formato digital aumente de forma significativa nas organizações. Cerca de 80% desses dados estão em formato não estruturado, no qual uma parte significativa são textos. A organização inteligente dessas coleções textuais é de grande interesse para a maioria das instituições, pois agiliza processos de busca e recuperação da informação. Nesse contexto, a Mineração de Textos permite a transformação desse grande volume de dados textuais não estruturados em conhecimento útil, muitas vezes inovador para as organizações. Em especial, o uso de métodos não supervisionados para extração e organização de conhecimento recebe grande atenção na literatura, uma vez que não exigem conhecimento prévio a respeito das coleções textuais a serem exploradas. Nesse artigo são descritas as principais técnicas e algoritmos existentes para extração e organização não supervisionada de conhecimento a partir de dados textuais. Os trabalhos mais relevantes na literatura são apresentados e discutidos em cada fase do processo de Mineração de Textos; e, são sugeridas ferramentas computacionais existentes para cada tarefa. Por fim, alguns exemplos e aplicações são apresentados para ilustrar o uso da Mineração de Textos em problemas reais. |
Palavras-Chave: |
Agrupamentos de documentos; Aprendizado não supervisionado; Extração de metadados; Hierarquias de tópicos; Mineração de textos; Text mining. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/37233/1/FSMA.pdf
|
Marc: |
LEADER 02122naa a2200217 a 4500 001 1895476 005 2012-01-06 008 2011 bl uuuu u00u1 u #d 100 1 $aREZENDE, S. O. 245 $aO uso da mineração de textos para extração e organização não supervisionada de conhecimento.$h[electronic resource] 260 $c2011 520 $aResumo. O avanço das tecnologias para aquisição e armazenamento de dados tem permitido que o volume de informação gerado em formato digital aumente de forma significativa nas organizações. Cerca de 80% desses dados estão em formato não estruturado, no qual uma parte significativa são textos. A organização inteligente dessas coleções textuais é de grande interesse para a maioria das instituições, pois agiliza processos de busca e recuperação da informação. Nesse contexto, a Mineração de Textos permite a transformação desse grande volume de dados textuais não estruturados em conhecimento útil, muitas vezes inovador para as organizações. Em especial, o uso de métodos não supervisionados para extração e organização de conhecimento recebe grande atenção na literatura, uma vez que não exigem conhecimento prévio a respeito das coleções textuais a serem exploradas. Nesse artigo são descritas as principais técnicas e algoritmos existentes para extração e organização não supervisionada de conhecimento a partir de dados textuais. Os trabalhos mais relevantes na literatura são apresentados e discutidos em cada fase do processo de Mineração de Textos; e, são sugeridas ferramentas computacionais existentes para cada tarefa. Por fim, alguns exemplos e aplicações são apresentados para ilustrar o uso da Mineração de Textos em problemas reais. 653 $aAgrupamentos de documentos 653 $aAprendizado não supervisionado 653 $aExtração de metadados 653 $aHierarquias de tópicos 653 $aMineração de textos 653 $aText mining 700 1 $aMARCACINI, R. M. 700 1 $aMOURA, M. F. 773 $tRevista de Sistema de Informação da FSMA, Macaé$gn. 7, p. 7-21, 2011.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|