Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/RVMR-7AAQQJ
Tipo: Tese de Doutorado
Título: Uso de apontadores na classificação de documentos em coleções digitais
Autor(es): Thierson Couto Rosa
Primeiro Orientador: Nivio Ziviani
Primeiro Coorientador: Edleno Silva de Moura
Primeiro membro da banca : Ilmério Reis da Silva
Segundo membro da banca: Carlos Alberto Heuser
Terceiro membro da banca: Alberto Henrique Frade Laender
Quarto membro da banca: Marcos Andre Goncalves
Resumo: 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.
Assunto: 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
Idioma: Português
Editor: Universidade Federal de Minas Gerais
Sigla da Instituição: UFMG
Tipo de Acesso: Acesso Aberto
URI: http://hdl.handle.net/1843/RVMR-7AAQQJ
Data do documento: 12-Dez-2007
Aparece nas coleções:Teses de Doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
thiersoncoutorosa.pdf579.18 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.