Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4982
Title: Extração de passagens de texto usando um método independente de domínio.
Other Titles: Extract text strings using a domain-independent method.
???metadata.dc.creator???: SILVA, Welmisson Jammesson da.
???metadata.dc.contributor.advisor1???: SAMPAIO, Marcus Costa.
???metadata.dc.contributor.referee1???: SCHIEL, Ulrich.
???metadata.dc.contributor.referee2???: SILVA, Altigran Soares da.
Keywords: Extração de Informação;Dados Não-estruturados;Método de Extração Supervisionado;Similaridade Estrutural;Similaridade Textual;Information Extraction;Unstructured Data;Supervised Extraction Method;Structural Similarity;Textual Similarity
Issue Date: 11-Aug-2009
Publisher: Universidade Federal de Campina Grande
Citation: SILVA, Welmisson Jammesson da. Extração de passagens de texto usando um método independente de domínio. 2009. 91 f. Dissertação (Mestrado em Informática) - Programa de Pós-Graduação em Informática, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Campina Grande, Paraíba, Brasil, 2009. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4982
???metadata.dc.description.resumo???: Extração de Informação (EI) é uma coleção de métodos e técnicas que têm como objetivo extrair, de fontes semi-estruturadas ou não-estruturadas, informação relevante. Um sistema de EI é capaz de extrair, de fontes de informação textuais, apenas informação que seja do interesse dos usuários do sistema, as partes que não são interessantes aos usuários não são extraídas. Nesta dissertação, é proposto um novo método supervisionado de EI em que a informação extraída, partes de um texto, não é estruturada; isto representa um avanço em relação à EI ‘tradicional’, em que a informação extraída é estruturada segundo um template definido por usuário. Sendo supervisionada, a extração de informação de novos documentos é induzida de uma coleção prévia de documentos com suas partes relevantes assinaladas - conjunto de treinamento -; porém, o método inova sentido de que o conjunto de treinamento pode ser muito pequeno em termos absolutos, resultando em um baixo custo de preparação do mesmo. Outra novidade do método está em sua técnica de extração, que é uma adequada combinação de técnicas existentes. Independência de domínio e de formato de documentos são outras duas importantes características do método. Para a validação do método, o sistema TIES-Textual Information Extraction System foi desenvolvido e testado com dois domínios díspares, um sobre sistemas elétricos de potência e o outro sobre legislação para administração pública: os resultados dos testes, para os dois domínios, revelaram-se promissores.
Abstract: Information Extraction (IE) is a collection of methods and techniques that have as objective to extract, from semi-structured or non-structured data sources, relevant information. An EI system is able to extract, from textual information sources, only information that is of interest to system users, the parts that are not interesting to users are not extracted. In this work, a new supervised IE method is proposed where the extracted information, text parts, is non-structured; this represents a progress in relation to 'traditional' IE, where the extracted information is structured according to a user-defined template. Being supervised, information extraction from new documents is induced from a previous collection of documents with their marked relevant - parts training set -; however, the method innovates in the sense that the training set can be very small in absolute terms, this way propitiating low cost of its preparation. Another innovation of the method is its extraction technique, that is an appropriate combination of existent techniques. Domain independence and independence of format of documents are other two important characteristics of the method. For the validation of the method, the system TIES-Textual Information Extraction System - was developed and tested with two disparate domains, one on electric power systems and the another on legislation for public administration: the results of the tests, for the two domains, were promising.
Keywords: Extração de Informação
Dados Não-estruturados
Método de Extração Supervisionado
Similaridade Estrutural
Similaridade Textual
Information Extraction
Unstructured Data
Supervised Extraction Method
Structural Similarity
Textual Similarity
???metadata.dc.subject.cnpq???: Ciência da Computação
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/4982
Appears in Collections:Mestrado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
WELMISSON JAMMESSON DA SILVA-DISSERTAÇÃO (PPGCC) 2009..pdfWelmisson Jammesson da Silva - Dissertação PPGCC 2009. 1.89 MBAdobe PDFView/Open


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