Title:	Um modelo para a seleção de n-gramas significativos e não redundantes em tarefas de mineração de textos.
Authors:	MOURA, M. F. NOGUEIRA, B. M. CONRADO, M. da S. SANTOS, F. F. dos REZENDE, S. O.
Affiliation:	MARIA FERNANDA MOURA, CNPTIA; BRUNO MAGALHÃES NOGUEIRA, USP; MERLEY DA SILVA CONRADO, USP; FABIANO FERNADES DOS SANTOS, ICMC/USP; SOLANGE OLIVEIRA REZENDE, ICMC/USP.
Date Issued:	2010
Citation:	Campinas: Embrapa Informática Agropecuária, 2010.
Pages:	37 p. il.
Description:	Uma proposta completa para resolver o problema de selecionar automaticamente atributos não redundantes do tipo n-gramas é apresentada neste trabalho. Geralmente, o uso de n-gramas é um requisito para melhorar a interpretação subjetiva dos resultados em tarefas de mineração de textos, nesses casos, eles são estatisticamente gerados e selecionados. Após a seleção, em geral, há a presença de redundâncias, por exemplo, o termo "informática agropecuária" e seus componentes "informática" e "agropecuária". Assim, propõe-se um modelo que envolve a remoção de stopwords estatisticamente identificadas, uma seleção estatística eficiente para os atributos do tipo n-grama e a remoção das redundâncias apresentadas após a seleção. Observa-se, pelos resultados experimentais apresentados, sobre os atributos originais e os atributos sem as redundâncias, que, como esperado, após a eliminação das redundâncias não há perda de representatividade. Além disso, a redução no número de atributos é expressiva, o que pode significar ganhos em desempenho nas tarefas de extração de padrões, bem como na interpretabilidade subjetiva dos resultados. Deve-se salientar que o método proposto é útil a qualquer algoritmo de aprendizado de máquina aplicado a uma tarefa de mineração de textos, e, parece ser igualmente aplicável a textos em quaisquer línguas.
NAL Thesaurus:	Information retrieval
Keywords:	Recuperação da informação Seleção de atributos N-gramas Atributos redundantes Mineração de textos Dados categorizados Attribute selection Categorical data N-grams Redundant attribute Text mining
Series/Report no.:	(Embrapa Informática Agropecuária. Boletim de pesquisa e desenvolvimento, 23).
Type of Material:	Folhetos
Access:	openAccess
Appears in Collections:	Boletim de Pesquisa e Desenvolvimento (CNPTIA)