Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais.

Neste trabalho é apresentado um módulo computacional denominado PIPC (PIP Classification) que permite identificar Pontos Perceptualmente Importantes (PIP) em séries temporais. O módulo foi desenvolvido para apoiar o projeto Compilação e Recuperação de Informações Técnico-científicas e Indução ao Conhecimento (CRITIC@), permitindo identificar os pontos relevantes da evolução temporal de um tópico extraído dos textos, identificar documentos textuais que possam auxiliar a interpretar tais pontos, bem como classificar a formação de próximos PIPs nas séries temporais. Foram realizados testes do módulo a partir de notícias sobre produção de milho no Brasil, e os resultados preliminares de avaliação do módulo são promissores.

Bibliographic Details

Main Authors:	RODRIGUES, L. S., SINOARA, R. A., REZENDE, S. O., MARCACINI, R. M., MOURA, M. F.
Other Authors:	LUCAS SANTIAGO RODRIGUES, UFMS; ROBERTA AKEMI SINOARA, ICMC-USP; SOLANGE OLIVEIRA REZENDE, ICMC/USP; RICARDO MARCONDES MARCACINI, UFMS; MARIA FERNANDA MOURA, CNPTIA.
Format:	Anais e Proceedings de eventos biblioteca
Language:	pt_BR por
Published:	2016-02-26
Subjects:	Séries temporais, Extração de tópicos, Classificação, Time series analysis,
Online Access:	http://www.alice.cnptia.embrapa.br/alice/handle/doc/1038753
Tags:	Add Tag No Tags, Be the first to tag this record!