DSpace/Manakin Repository

Criação de vetores temáticos de domínios para a desambiguação polissêmica de termos.

Mostrar registro simples

dc.creator.ID BISPO, M. C. T. pt_BR
dc.creator.Lattes http://lattes.cnpq.br/3907917269744642 pt_BR
dc.contributor.advisor1 SCHIEL, Ulrich.
dc.contributor.advisor1ID SCHIEL, U. pt_BR
dc.contributor.advisor1Lattes http://lattes.cnpq.br/2971250918247087 pt_BR
dc.contributor.advisor2 PIRES, Carlos Eduardo Santos.
dc.contributor.advisor2ID PIRES, C. E. S. pt_BR
dc.contributor.advisor2Lattes http://lattes.cnpq.br/4986021622366786 pt_BR
dc.contributor.referee1 MARINHO, Leandro Balby.
dc.contributor.referee2 FERNEDA, Edberto.
dc.description.resumo 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. pt_BR
dc.publisher.country Brasil pt_BR
dc.publisher.department Centro de Engenharia Elétrica e Informática - CEEI pt_BR
dc.publisher.program PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO pt_BR
dc.publisher.initials UFCG pt_BR
dc.subject.cnpq Ciência da Computação. pt_BR
dc.subject.cnpq Ciência da Informação. pt_BR
dc.title Criação de vetores temáticos de domínios para a desambiguação polissêmica de termos. pt_BR
dc.date.issued 2012-11-30
dc.description.abstract 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. pt_BR
dc.identifier.uri http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1314
dc.date.accessioned 2018-08-01T17:34:31Z
dc.date.available 2018-08-01
dc.date.available 2018-08-01T17:34:31Z
dc.type Dissertação pt_BR
dc.subject Vetores temáticos de domínios pt_BR
dc.subject Desambiguação polissêmica de termos pt_BR
dc.subject Indexação de documentos pt_BR
dc.subject Ambiguidade de termos - indexação pt_BR
dc.subject Vocabulários temáticos pt_BR
dc.subject Recuperação da informação pt_BR
dc.subject Classificação Decimal Universal - CDU pt_BR
dc.subject Vocabulário controlado pt_BR
dc.subject Classificação de documentos - método vetorial pt_BR
dc.subject Intellexer Categorizer pt_BR
dc.subject Processamento da linguagem natural pt_BR
dc.subject Postagger pt_BR
dc.subject Thematic vocabulaires pt_BR
dc.subject Document indexing pt_BR
dc.subject Information retrieval pt_BR
dc.rights Acesso Aberto pt_BR
dc.creator BISPO, Magna Celi Tavares.
dc.publisher Universidade Federal de Campina Grande pt_BR
dc.language por pt_BR
dc.title.alternative Creation of thematic vectors of domains for the polysemic disambiguation of terms. pt_BR
dc.identifier.citation BISPO, Magna Celi Tavares. Criação de vetores temáticos de domínios para a desambiguação polissêmica de termos. 2012. 100f. (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 - Paraiba - Brasil, 2012. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/1314 pt_BR


Arquivos deste item

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Buscar DSpace


Busca avançada

Navegar

Minha conta