Bruno Bernhardt

Idiomas

Orientou

Projetos de pesquisa

• 2015 - 2016

  Pré processamento de dados para utilização em Wavelets, Descrição: A utilização das transformadas Wavelets para representar informação textual vem crescendo ao longo dos anos. Wavelets permitem transladar e dilatar um sinal de entrada de forma a analisar toda sua extensão tendo um maior detalhamento. Neste projeto de pesquisa, propomos uma forma de representação de documentos textuais usando de técnicas de processamento de sinais, em particular por meio de transformadas Wavelets. Em nossa representação, cada sinal é construído tomando como entrada os termos de um documento retirado de um corpus (i.e., de uma coleção de documentos). Esses documentos foram extraídos da base Reuters-21578, a coleção de documentos que utilizamos em nossos experimentos computacionais. Para construir o conjunto de termos representantes dessa coleção, implementamos algoritmos para pré-processar os textos de forma a analisar lexicamente, remover stop words e realizar stemming. Com isso, foi possível reduzir o espaço de termos original. Para a construção do sinal correspondente a um documento, primeiramente os termos da coleção como um todo são alinhados (ordenados) de acordo com a semelhança semântica entre eles. Medimos a semelhança entre termos por meio de um algoritmo que gera vetores, um para cada termo. A distância entre dois vetores de termos é medida por meio da medida do cosseno (que mede o ângulo entre dois vetores de tremos). Consideramos que os termos que possuem um valor cosseno alto estão correlacionados. Após a ordenação dos termos da coleção, produzimos o sinal correspondente a cada documento, por meio da utilização das transformadas Wavelets. Com isso, foi possível reduzir o tamanho do sinal original e manter um nível de precisão alto. Como trabalho futuro, pretendemos investigar outras formas de representação, como por exemplo a word2vec. Pretendemos também realizar uma análise comparativa das diversas representações, para averiguar quais representações são mais efetivas do ponto de vista da compactação e da menor perda de informação.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) . , Integrantes: Bruno Bernhardt - Integrante / Eduardo Bezerra - Coordenador / Fabrício Raphael da Silva Pereira - Integrante.