| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
18/11/2010 |
|
Data da última atualização: |
15/01/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
MOURA, M. F.; REZENDE, S. O. |
|
Afiliação: |
MARIA FERNANDA MOURA, CNPTIA; SOLANGE OLIVEIRA REZENDE, ICMC/USP. |
|
Título: |
Contribuições para a construção de taxonomias de tópicos em domínios restritos utilizando aprendizado estatístico. |
|
Ano de publicação: |
2010 |
|
Fonte/Imprenta: |
In: JOINT CONFERENCE, 2010, São Bernardo do Campo. Proceedings... [S.l.]: Sociedade Brasileira de Computação, 2010. |
|
Páginas: |
p. 1-12. |
|
ISBN: |
978-85-7669-250-8 |
|
Idioma: |
Português |
|
Notas: |
CTDIA 2010. VII Best MSc Dissertation/PhD Thesis Contest. |
|
Conteúdo: |
Este trabalho tem como tema principal uma abordagem para a construção de taxonomias de tópicos em domínios de conhecimento restritos, cuja principal novidade é a integração de técnicas em etapas muito bem de?nidas, com várias contribuições inovadoras ao longo das mesmas. Dentre essas contribuições tem-se uma seleção de atributos multi-palavras e uma seleção de descritores para agrupamentos hierárquicos de documentos, processo conhecido por rotulação de agrupamentos. O método de seleção de atributos multi-palavras (n-gramas) baseia-se no pressuposto que a redundância é inerente à sua natureza estocástica e que a eliminação desta não traz perda de representatividade ao conjunto de atributos. Os dois métodos de rotulação propostos identi?cam unicamente cada grupo formado, observado por meio da forma de validação comparativa dos resultados dos métodos com dois outros da literatura; e tendo o segundo método proposto atingido os melhores resultados. |
|
Palavras-Chave: |
Aprendizado estatístico; Métodos de rotulação; Mineração de textos; Organização da informação; Taxonomias de tópicos; Text mining. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 01853nam a2200229 a 4500
001 1867345
005 2020-01-15
008 2010 bl uuuu u00u1 u #d
020 $a978-85-7669-250-8
100 1 $aMOURA, M. F.
245 $aContribuições para a construção de taxonomias de tópicos em domínios restritos utilizando aprendizado estatístico.$h[electronic resource]
260 $aIn: JOINT CONFERENCE, 2010, São Bernardo do Campo. Proceedings... [S.l.]: Sociedade Brasileira de Computação$c2010
300 $ap. 1-12.
500 $aCTDIA 2010. VII Best MSc Dissertation/PhD Thesis Contest.
520 $aEste trabalho tem como tema principal uma abordagem para a construção de taxonomias de tópicos em domínios de conhecimento restritos, cuja principal novidade é a integração de técnicas em etapas muito bem de?nidas, com várias contribuições inovadoras ao longo das mesmas. Dentre essas contribuições tem-se uma seleção de atributos multi-palavras e uma seleção de descritores para agrupamentos hierárquicos de documentos, processo conhecido por rotulação de agrupamentos. O método de seleção de atributos multi-palavras (n-gramas) baseia-se no pressuposto que a redundância é inerente à sua natureza estocástica e que a eliminação desta não traz perda de representatividade ao conjunto de atributos. Os dois métodos de rotulação propostos identi?cam unicamente cada grupo formado, observado por meio da forma de validação comparativa dos resultados dos métodos com dois outros da literatura; e tendo o segundo método proposto atingido os melhores resultados.
653 $aAprendizado estatístico
653 $aMétodos de rotulação
653 $aMineração de textos
653 $aOrganização da informação
653 $aTaxonomias de tópicos
653 $aText mining
700 1 $aREZENDE, S. O.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 237 | |
| Registros recuperados : 237 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
