A UTILIZAÇÃO DE CLASSIFICADORES DE TEXTO NA MINERAÇÃO DE IDEIAS AGREGANDO CRITÉRIOS DE ESPECIALISTAS
Conteúdo do artigo principal
Resumo
Objetivo: A tarefa de buscar uma ideia em uma base de dados quando realizada por um especialista humano consiste em fazer a leitura de cada texto e estabelecer critérios de escolha para classificar textos que possam conter ou não ideias. O objetivo deste trabalho é aplicar a classificação de texto na mineração de ideias com a finalidade de simular a atuação de um especialista humano, comparando o desempenho dos classificadores de texto Support Vector Machines, Naive Bayes e Decision Trees.
Design/Metodologia/Abordagem: O método científico utilizado neste trabalho caracteriza-se como indutivo. A abordagem é quantitativa e a natureza refere-se a uma pesquisa aplicada. Quanto aos objetivos, a pesquisa é exploratória por proporcionar maior familiaridade com o problema, com vistas a torná-lo mais explícito ou construir hipóteses.
Resultados: A partir dos experimentos práticos realizados conclui-se que os classificadores de textos analisados apresentaram bom desempenho na tarefa de separar uma base de ideias segundo critérios utilizados por especialistas, através do aprendizado de máquina.
Originalidade/valor: A contribuição deste trabalho está fundamentada em agregar conhecimento de especialistas aos sistemas de aprendizado de máquina, mais especificamente aos classificadores de texto aplicados à mineração de ideias.
Detalhes do artigo

Este trabalho está licenciado sob uma licença Creative Commons Attribution-ShareAlike 4.0 International License.
Esta licença permite que outros remixem, adaptem e criem a partir do seu trabalho para fins não comerciais, e embora os novos trabalhos tenham de lhe atribuir o devido crédito e não possam ser usados para fins comerciais, os usuários não têm de licenciar esses trabalhos derivados sob os mesmos termos.