Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-01T17:34:31Z
No. of bitstreams: 1
MAGNA CELI TAVARES BISPO - DISSERTAÇÃO PPGCC 2012..pdf: 13590339 bytes, checksum: 3903bd3ab6c0c474a6a7e9bf8b04e08a (MD5) / Made available in DSpace on 2018-08-01T17:34:31Z (GMT). No. of bitstreams: 1
MAGNA CELI TAVARES BISPO - DISSERTAÇÃO PPGCC 2012..pdf: 13590339 bytes, checksum: 3903bd3ab6c0c474a6a7e9bf8b04e08a (MD5)
Previous issue date: 2012-11-30 / A ambiguidade de termos é um dos fatores que dificulta o processo de indexação de
documentos e recuperação de informação desejada por um usuário. O presente trabalho
se baseia na hipótese de que parte deste problema pode ser minimizado sabendo-se de
antemão o domínio do documento que contém termos ambíguos. Para determinar este
domínio foram construídos vocabulários temáticos por meio da extração de termos de
documentos de domínios de conhecimento pré-determinados, com o uso de regras
sintáticas. A Wikipédia foi usada como base de consulta, por ser uma enciclopédia
digital contendo as categorias definidas semelhantes à Classificação Decimal Universal
(CDU), e cada categoria com uma vasta quantidade de documentos específicos, sendo
essa característica fundamental para formação de um vocabulário específico do
domínio de um conhecimento. A escolha das categorias foi baseada na CDU, composta
de 10 domínios e seus respectivos subdomínios. Os vocabulários obtidos, denominados
de Vetores Temáticos de Domínio (VTD), serviram de base para a classificação de
novos documentos. Para validação dos VTD's, foram realizados três tipos de
experimentos diferentes, o primeiro foi classificar novos documentos utilizando o
método vetorial, tendo o VTD como base de consulta. O segundo experimento foi uma
classificação utilizando outro classificador, o Intellexer Categorizer, e o terceiro
experimento, criou-se um vetor de termos através do Weka, o qual foi submetido a
servir de base de consulta para classificar novos documentos, utilizando o modelo
vetorial. Os resultados foram satisfatórios, pois mostrou que o VTD obteve uma
melhor classificação em relação aos outros métodos, dos 14 novos documentos,
classificou 10 corretamente e 4 errados, apresentando uma acurácia de 80%, contra a
acurácia de 57% do Intellexer Categorizer e de 50% da classificação utilizando o vetor
de termos criado pelo Weka. / Terms ambiguity is one of the factors that hinders the document indexation and
information retrieval processes desired by a user. This work is based on the hypothesis
that part of this problem can be minimized by knowing beforehand the field of the
document that contains ambiguous terms. To determine this domain, typical
vocabularies were created through the extraction of terms from documents of
predetermined knowledge domains, with the use of syntactical rules. Wikipedia was
used as a consultation base because it is a digital encyclopedia that contains the
categories defined similar to the Universal Decimal Classification (UDC), each
category containing a vast amount of specific documents, being this feature essential
for the formation of a domain-specific vocabulary. The choice of the categories was
based on the UDC, composed of 10 domains and their respective subdomains. The
vocabularies obtained, denominated as Thematic Domain Vectors (TDV), served as
the basis for the classification of new documents. For the validation of the TDVs,
three different types of experiments were performed: the first was to classify new
documents using the vectorial method, with the TDV as a basis of consultation. The
second experiment was a classification using another classifier, the Intellexer
Categorizer. For the third experiment was created a vector of terms through Weka,
which was submitted to serve as a a consultation base to classify new documents using
the vectorial model. The results were satisfactory, because they showed that the TDV
obtained a better classification relative to other methods. Of the 14 new documents,
properly it rated 10 and 4 incorrectly, with an accuracy of 80%, against 57% accuracy
of the Intellexer Categorizer program and 50% of the classification using the Weka
created vector of terms.
Identifer | oai:union.ndltd.org:IBICT/oai:localhost:riufcg/1314 |
Date | 01 August 2018 |
Creators | BISPO, Magna Celi Tavares. |
Contributors | SCHIEL, Ulrich., PIRES, Carlos Eduardo Santos., MARINHO, Leandro Balby., FERNEDA, Edberto. |
Publisher | Universidade Federal de Campina Grande, PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO, UFCG, Brasil, Centro de Engenharia Elétrica e Informática - CEEI |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Biblioteca de Teses e Dissertações da UFCG, instname:Universidade Federal de Campina Grande, instacron:UFCG |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds