APERFEIÇOAMENTO AUTOMÁTICO DOS CONJUNTOS DE TERMOS UTILIZADOS PELO YUCCA: UM COLETOR TEMÁTICO BASEADO EM GÊNERO

CÉSAR OLÍMPIO ANTUNES LIMA

Orientador: Guilherme Tavares de Assis

APERFEIÇOAMENTO AUTOMÁTICO DOS CONJUNTOS

DE TERMOS UTILIZADOS PELO YUCCA: UM COLETOR

TEMÁTICO BASEADO EM GÊNERO

Ouro Preto

Fevereiro de 2018Universidade Federal de Ouro Preto

Instituto de Ciências Exatas

Bacharelado em Ciência da Computação

APERFEIÇOAMENTO AUTOMÁTICO DOS CONJUNTOS

DE TERMOS UTILIZADOS PELO YUCCA: UM COLETOR

TEMÁTICO BASEADO EM GÊNERO

Monografia apresentada ao Curso de Bachare-

lado em Ciência da Computação da Universi-

dade Federal de Ouro Preto como requisito par-

cial para a obtenção do grau de Bacharel em

Ciência da Computação.

CÉSAR OLÍMPIO ANTUNES LIMA

Ouro Preto

Fevereiro de 2018Resumo

A recente popularização de acesso à Web vem provocando um extraordinário aumento no

volume de informações que é produzido e consumido. Nesse contexto, tornam-se fundamentais

o desenvolvimento e o aperfeiçoamento de mecanismos que promovam o acesso à informação

disponibilizada na Web de maneira fácil, rápida e precisa. Coletores tradicionais não são

capazes de identificar sub-espaços relevantes na Web relacionado a um tópico específico de

interesse; entretanto, coletores temáticos são ferramentas capazes de resolver, de maneira

eficaz e eficiente, o problema mencionado.

Geralmente, um processo de coleta temática

necessita, como parâmetro de entrada, de um conjunto bem definido de termos que expressam

o tópico de interesse desejado; dependendo de tal conjunto de termos, a eficácia de um de-

terminado processo de coleta pode não ser satisfatória. Existem distintas estratégias capazes

de promover a expansão automática de termos, que podem, no caso, melhorar a eficácia de

coletores. Em tal contexto, esse trabalho possui, como objetivo geral, a proposta, o desen-

volvimento e a integração em um coletor temático, denominado Yucca, de estratégias para o

aperfeiçoamento automático de conjuntos de termos necessários para a execução do mesmo.

Por enquanto, foi proposta, nesse trabalho, uma estratégia para tal fim. Experimentos iniciais

mostraram que tal estratégia proposta pode contribuir significativamente para a geração de

conjuntos aperfeiçoados de termos de gênero e conteúdo, necessários para a execução do Yucca.

Palavras-chave: Coleta temática, aperfeiçoamento de termos, expansão de consultas,

frequência de termos.

iSumário

1 Introdução

1

1.1 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Objetivos Geral e Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1.3 Método de trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.4 Delineamento da Monografia 5

. . . . . . . . . . . . . . . . . . . . . . . . . . . .

2 Revisão de Literatura

2.1

6

Fundamentação Teórica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2.1.1 Abordagem original para coleta temática baseada em gênero . . . . . . . 6

2.1.1.1 Uso de Link Context . . . . . . . . . . . . . . . . . . . . . . . . 9

2.1.1.2 Geração semi-automática de páginas-semente . . . . . . . . . . 10

2.1.1.3 Determinação automática de limites de similaridade . . . . . . 11

2.1.1.4 Aperfeiçoamento automático dos conjuntos de termos de gê-

nero e conteúdo . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2.2

2.1.2 Expansão de consulta . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

2.1.3 Questionário SUS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

Trabalhos Relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

3 Desenvolvimento e Experimentação Prática

20

3.1 Estratégia baseada em ponderação de termos . . . . . . . . . . . . . . . . . . . 20

3.2 Experimentação prática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

4 Considerações Finais 26

Referências Bibliográficas 28

iiLista de Figuras

2.1

Arquitetura de funcionamento da abordagem original para coleta temática (Assis

et al., 2009) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

2.2

7

Arquitetura de funcionamento da geração automática de páginas-semente (Man-

garavite