Please use this identifier to cite or link to this item: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/885560
Research center of Embrapa/Collection: Embrapa Informática Agropecuária - Boletim de Pesquisa e Desenvolvimento (INFOTECA-E)
Date Issued: 2010
Type of Material: Boletim de Pesquisa e Desenvolvimento (INFOTECA-E)
Authors: MOURA, M. F.
SANTOS, F. F. dos
MARCACINI, R. M.
REZENDE, S. O.
Additional Information: MARIA FERNANDA MOURA, CNPTIA; FABIANO FERNANDES DOS SANTOS, USP; RICARDO MARCONDES MARCACINI, USP; SOLANGE OLIVEIRA REZENDE, USP.
Title: Metodologia para a comparação de diferentes métodos de descrição de agrupamentos hierárquicos de documentos independentes do algoritmo de agrupamento.
Publisher: Campinas: Embrapa Informática Agropecuária, 2010.
Pages: 37 p. il.
Series/Report no.: (Embrapa Informática Agropecuária. Boletim de pesquisa e desenvolvimento, 26).
Language: pt_BR
Keywords: Descritores de agrupamento
Agrupamento hierárquico
Mineração de texto
Modelos lineares generalizado
Análise de variância
Recuperação de informação
Multiple mean comparisons
Hierarchical document clusters descriptors
Generalized linear models.
Mutual information mean.
Description: Para facilitar a compreensão de uma coleção de documentos, pode-se organizá-la em grupos hierárquicos e obter descritores para cada um dos grupos automaticamente. O problema que se apresenta é decidir entre métodos de agrupamentos e de descrição dos grupos, que sejam eficientes e apresentem bons resultados. Particularmente, este trabalho apresenta uma proposta para a comparação entre resultados obtidos a partir de métodos de seleção de descritores em agrupamentos hierárquicos de documentos, especificamente para métodos independentes do algoritmo de agrupamento utilizado. Para esses métodos, dado um agrupamento hierárquico, o objetivo é selecionar descritores (palavras ou sentenças) discriminativos dos grupos, preferencialmente sem repetição de descritores ao longo dos efetivamente representativo da coleção de textos agrupada. Dessa forma, torna-se imperativo encontrar uma medida que verifique a efetividade da discriminação para os descritores selecionados, bem como uma medida de qualidade destes. Nessa proposta, a discriminação é medida por meio da avaliação dos resultados de um processo de recuperação de informações, que utiliza os descritores para formar as expressões de busca. A qualidade é medida pela variabilidade do vocabulário obtido e sua representatividade em relação ao conjunto total de atributos utilizado para o agrupamento dos documentos. Essas medidas e processo de validação respeitam a hierarquia produzida pelo agrupamento, bem como padronizações e validações confiáveis do ponto de vista estatístico. Os experimentos e os resultados obtidos mostram que essa metodologia é capaz de avaliar seguramente a diferença de efetividade entre métodos de descrição de agrupamentos hierárquicos, tendo sido aplicada a dezesseis coleções de textos e quatro diferentes métodos de descrição.
Data Documento: 2011-04-11
Appears in Collections:Boletim de Pesquisa e Desenvolvimento (CNPTIA)

Files in This Item:
File Description SizeFormat 
BolPesq26.pdf1,29 MBAdobe PDFThumbnail
View/Open

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace