Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/RVMR-7AAQQJ
Type: Tese de Doutorado
Title: Uso de apontadores na classificação de documentos em coleções digitais
Authors: Thierson Couto Rosa
First Advisor: Nivio Ziviani
First Co-advisor: Edleno Silva de Moura
First Referee: Ilmério Reis da Silva
Second Referee: Carlos Alberto Heuser
Third Referee: Alberto Henrique Frade Laender
metadata.dc.contributor.referee4: Marcos Andre Goncalves
Abstract: Este trabalho mostra como informações derivadas de apontadores entre documentos da Web podem ser utilizadas na solução do problema de classificação de documentos. A forma mais comum de apontadores entre documentos da Web corresponde aos hyperlinks entre documentos. Entretanto, apontadores também podem ser derivados a partir de referências entre documentos de coleções digitais hospedadas na Web, por exemplo, a partir de referências entre artigos de bibliotecas digitais ou de enciclopedias. Especificamente, investigamos como a utilização de medidas derivadas de informação de apontadores, denominadas medidas bibliometricas, podem ser utilizadas para melhorar a qualidade de sistemas de classificação de documentos. As medidas bibliometricas utilizadas foram: co-citação, acoplamento bibliográfico e Amsler. Obtivemos classificadores com estas medidas e classificadores com informações de texto, utilizando os seguintes métodos de classificação: o método dos vizinhos mais próximos (kNN) e o método Suport Vector Machine (SVM). Classificadores com medidas bibliométricas mostraram ser eficazes sempre que a distribuição de apontadores na coleção possui determinadas características. Além disto, os documentos para os quais classificadores baseados nestas medidas falham mostraram-se difíceis também na classificação feita por pessoas.Propomos, ainda, um modo alternativo de combinar resultados de classificadores que usam medidas bibliométricas com resultados de classificadores que usam informações de texto. Experimentos mostram que a combinação de resultados é superior ao resultados individuais em todas as coleções de teste.
Abstract: In this work, we show how information derived from links among Web documents can be used in the solutions of the problem of document classification. The most obvious form of link between two Web documents is a hyperlink connecting them. But links can also be derived from references among documents of digital collections hosted in the Web, for instance, from citations among articles of digital libraries and encyclopedias. Specifically, we study how the use of measures derived from link information, namedbibliometric measures can improve the accuracy of classification systems. As bibliometric measures, we used co-citation, bibliographic coupling and Amsler. We obtained distinct classifiers by applying bibliometric and text-based measures to the traditional k-nearest neighbors (kNN) and Support Vector Machine (SVM) classification methods. Bibliometric measures were shown to be effective for document classification whenever some characteristics of link distribution is present in the collection. Most of the documents where the classifier based on bibliometric measures failed were shown to be difficult ones even for human classification. We also propose a new alternative way of combining results of bibliometric-measurebased classifiers and text based classifiers. In the experiments performed with three distinct collections, the combination approach adopted achieved results better than the results of each classifier in isolation.
Subject: Ciencia da informação Metodos estatisticos
World Wide Web (Sistema de recuperação da informação)
Computação
Sistemas especialistas (Computação)
Processamento de textos (Computação)
Sistemas de recuperação da informação
Bibliometria
language: Português
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
Rights: Acesso Aberto
URI: http://hdl.handle.net/1843/RVMR-7AAQQJ
Issue Date: 12-Dec-2007
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
thiersoncoutorosa.pdf579.18 kBAdobe PDFView/Open


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