Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4878
Title: Uma abordagem para a indexação semântica de documentos textuais baseada em fontes heterogêneas de informação.
Other Titles: An approach to the semantic indexing of textual documents based on heterogeneous sources of information.
???metadata.dc.creator???: ARAÚJO JÚNIOR, José Gildo de.
???metadata.dc.contributor.advisor1???: SCHIEL, Ulrich.
???metadata.dc.contributor.advisor2???: MARINHO, Leandro Balby.
???metadata.dc.contributor.referee1???: PIRES, Carlos Eduardo Santos.
???metadata.dc.contributor.referee2???: MOURA, Maria Fernanda.
Keywords: Sistemas de Recuperação da Informação;Indexação Semântica;Fontes Heterogêneas;Fontes de Informação;Documentos Textuais;Tesauros;Information Retrieval Systems;Semantic Indexing;Heterogeneous Sources;Information Sources;Textual Documents;Thesaurus
Issue Date: 19-Apr-2013
Publisher: Universidade Federal de Campina Grande
Citation: ARAÚJO JÚNIOR, José Gildo de. Uma abordagem para a indexação semântica de documentos textuais baseada em fontes heterogêneas de informação. 2013. 117f. (Dissertação de Mestrado em Ciência da Computação) Programa de Pós-graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2013.
???metadata.dc.description.resumo???: Atualmente, um dos principais desafios no campo da Recuperação de Informação (RI) é o desenvolvimento de sistemas que processem corretamente a ideia ou conceito por trás das consultas emitidas pelos usuários. Sistemas convencionais de RI, geralmente limitam suas funcionalidades à indexação e recuperação por palavras-chave, mecanismo que gera resultados incipientes quando termos indexados não são mencionados na consulta. Consultas tais como: “O rei da música brasileira” e “Roberto Carlos”, mesmo utilizando um distinto grupo de palavras, podem representar a mesma ideia ou conceito e, portanto, o sistema deveria retornar o mesmo conjunto resposta. Entretanto, para sistemas de RI que não consideram o aspecto semântico, ambas consultas retornarão, eventualmente, conjuntos respostas distintos. Propõe-se, neste trabalho, um novo paradigma de indexação semântica de conceitos, onde, neste novo enfoque, conceitos presentes em documentos textuais são enriquecidos semanticamente de maneira automática por meio de informações presentes em fontes heterogêneas de informação, unindo, em um único ambiente, características de dicionários, enciclopédias e de sentido comum. Desta maneira, isola-se a ideia ou conceitualização dos objetos de suas inúmeras formas de representação. A abordagem proposta foi comparada com o projeto UBY, um recurso léxico-semântico de grande escala que combina uma vasta gama de informações construídas tanto por peritos quanto coletivamente para o idioma Inglês e Alemão. De maneira que ambas foram submetidas a diversas coleções de documentos e foi comprovada a superioridade da abordagem proposta quando comparada ao UBY. Para isso, mediu-se o número de conceitos presentes nas coleções de documentos identificados por ambas as abordagens; a conectividade, onde computou-se para cada elemento identificado o número de conexões estabelecidas com outros conceitos; e, a qualidade do enriquecimento semântico produzido, onde foram computadas as relações semânticas estabelecidas entre conceitos.
Abstract: Nowadays, one of the main challenges in the area of Information Retrieval (IR) is the development of systems that correctly process the idea or concept in the queries emitted by users. Conventional IR systems usually limit their functionality to indexing and retrieving keywords, which creates incipient results when indexed terms are not mentioned in the query. Queries such as: “The king of Brazilian music” and “Roberto Carlos”, even using a distinguished group of words, may represent the same idea or concept; therefore, the system should return the same set of answers. However, for IR systems that do not consider the semantic aspect, both queries return different answering sets. In this work, we proposed a new paradigm of semantic indexing of concepts. With this new approach, concepts present in textual documents are semantic enriched automatically using information which is presented in heterogeneous sources joined in a single environment features of dictionaries, encyclopedias and common sense. In this way, the idea of object contextualization is isolated from the several forms of object representations. The proposed approach was compared with UBY project, a large scale lexic-semantic resource which combines a wide range of information built by experts and collectively for English and German languages. Both approaches were subjected to various collections of documents and was proven the superiority of the proposed approach compared to UBY. To make this conclusion we measured: the number of concepts found in the collections of documents identified by either approach; connectivity, which was computed for each element identified the number of connections established with other concepts; and quality of produced semantic enrichment, which was computed if the semantic relations between concepts established are consistent.
Keywords: Sistemas de Recuperação da Informação
Indexação Semântica
Fontes Heterogêneas
Fontes de Informação
Documentos Textuais
Tesauros
Information Retrieval Systems
Semantic Indexing
Heterogeneous Sources
Information Sources
Textual Documents
Thesaurus
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4878
Appears in Collections:Mestrado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
JOSÉ GILDO DE ARAÚJO JÚNIOR - DISSERTAÇÃO PPGCC 2013..pdfJosé Gildo de Araújo Júnior - Dissertação PPGCC 2013.5.73 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.