Composante connexe

Os resultados apresentados na seção anterior mostram que a ferramenta apresentou um desempenho bastante signicativo, com percentuais de acertos relevantes. As subáreas atribuídas ao artigo buscam não apenas garantir a classicação do artigo mas identicar temas de interesse do usuário.

O sucesso dessa classicação deve-se, em parte, à escolha das seções do artigo, onde seções que não abordam especicamente o tema são ignoradas, enquanto as seções que desenvolvem o assunto, descrevendo técnicas e comunicando resultados são considera- das e delas são extraídos os termos do domínio. Por outro lado, ca evidente o papel da ontologia na classicação, a sua amplitude e especicidade têm implicações diretas nos resultados. Quanto maior a profundidade hierárquica da ontologia, maior poderá ser a especicidade da classicação. As relações existentes entre conceitos da ontologia favorecem a inferência do sistema, pois pela ligação de termos distintos pode-se chegar a um novo conceito. Por exemplo, a partir da relação entre Expert System e Inference Engine chega-se a Knowledge Representation Formalisms.

Alguns erros no reconhecimento das seções implicaram em falhas na classicação dos artigos. Esses erros foram ocasionados pela ausência de tags que destaquem seções como bibliograa, daí seções irrelevantes não foram reconhecidas e por conseqüência foram misturadas às seções relevantes. Outro fator de erro é a falta de termos usados por alguns artigos na lista de sinônimos da ontologia, o que evidencia a pluralidade de conceitos na área de IA. Quando considerada a abrangência da ontologia o percentual de acerto é elevado, assim é preciso levar em conta a classicação do artigo em relação à extensão compreendida pelo domínio ontológico e não por todo domínio de IA.

e a ontologia é renada, a classicação por conseqüência se estende a esses novos con- ceitos, visto que o conhecimento é expandido e as regras de classicação são genéricas. Assim, novos subdomínios são reconhecidos aumentando o número de acertos.

Capítulo 5

Trabalhos Relacionados

5.1 Técnicas de Classicação

Várias técnicas têm sido aplicadas para problemas de classicação de texto. Neste capí- tulo, são brevemente descritas técnicas baseadas em conhecimento e técnicas baseadas em aprendizagem automática.

5.1.1 Técnicas baseadas em conhecimento

Os sistemas de classicação baseados em conhecimento adotam uma abordagem apoi- ada em uma base de conhecimento existente e algum mecanismo de inferência associado. Possuem um forte propósito de classicação textual, com uma tentativa de incorporar semântica às informações, possibilitando que os documentos expressem signicado e ao mesmo tempo estabeleçam regras para que as máquinas possam processar esse signi- cado. O objetivo é dar signicado semântico ao conteúdo dos documentos, criando um ambiente onde agentes de software e usuários possam trabalhar de forma cooperativa. O principal componente de um sistema baseado em conhecimento é a sua base de conhecimento. A base de conhecimento é um conjunto de representação de fatos e regras sobre o domínio em questão (RN03). Assim, a engenharia de conhecimento, nome dado ao processo de construção da base de conhecimento, desempenha um papel

importante nesse tipo de técnica, uma vez que para realizar classicação automática de textos necessita-se de taxonomias dos domínios investigados.

Na base de conhecimento estão as sentenças em uma linguagem de representação do conhecimento que o agente de software possa entender. Por exemplo (JM02), o padrão:

(gold (&n (reserv ! medal ! jewlry))

signica detectar a palavra 'gold', mas ignorar as sentenças 'gold reserv', 'gold medal' e 'gold jewlry'.

A base de conhecimento deve ser clara, concisa, correta, não ambígua, devendo representar apenas os objetos e relações relevantes do mundo em questão.

Para (Ril94), abordagens tipicamente baseadas em conhecimento requerem um ex- tensivo esforço para criar bases de conhecimentos, e todo processo de engenharia de conhecimento é repetido a cada novo domínio investigado. De fato, a utilização de especialistas para a construção manual da base de conhecimento é um processo custoso e lento, motivando o estudo de categorização automática de documentos utilizando técnicas de aprendizagem de máquina.

5.1.2 Técnicas baseadas em aprendizado de máquina

Os classicadores que utilizam técnicas de aprendizagem de máquina utilizam os mais diversos algoritmos de aprendizagem automática, dentre eles, destacam-se: Redes Baye- sianas, Árvores de Decisão e Algoritmos Genéticos.

Uma alternativa à construção manual de classicadores baseados em conhecimento é usar técnicas de aprendizado de máquina para gerar classicadores, a m de me- lhorar o desempenho e a precisão das respostas. Aprendizado de máquina pode ser denido como uma área que pesquisa métodos computacionais relacionados à aquisi- ção automática de novos conhecimentos, novas habilidades e novas formas de organizar o conhecimento existente (CDF+_98).

A idéia dos sistemas de aprendizagem automática é a criação de regras de co- nhecimento a partir de exemplos. Existem dois métodos principais utilizados para aprendizado de máquina. O primeiro é o aprendizado supervisionado, onde o conjunto de dados do qual se pretende extrair conhecimento já vem rotulado, isto é, a cada instância está associada sua classicação, a qual o algoritmo deve aprender a reali- zar (PN02). No aprendizado não supervisionado, também chamado de clustering, o algoritmo tenta agrupar os dados tal que dados em cada grupo tenham mais similari- dade entre si que com outros dados em outros grupos, sob uma particular métrica de similaridade (JD88).

O método supervisionado é uma tarefa de classicação, e possui várias técnicas de aprendizagem dentre as quais se destacam: redes Bayesianas, árvores de decisão, algoritmos genéticos, redes neurais, inferência lógica, etc. Algumas destas técnicas são descritas brevemente:

• Redes Bayesianas - Seguindo o paradigma estatístico, o algoritmo faz uso de fórmulas estatísticas e cálculo de probabilidades para realizar a classicação (Mit97).

• Árvores de Decisão - Consiste de uma hierarquia de nós internos e externos que são conectados por ramos. O nó interno é a unidade de tomada de decisão que avalia através de teste lógico qual será o próximo nó descendente ou lho. Em contraste, um nó externo (não tem nó descendente), também conhecido como folha ou nó terminal, está associado a um rótulo ou a um valor. Em geral, no procedimento de uma árvore de decisão um conjunto de dados é apresentado ao nó inicial (ou nó raiz que também é um nó interno) da árvore; dependendo do resultado do teste lógico usado pelo nó, a árvore ramica-se para um dos nós lhos e este procedimento é repetido até que um nó terminal é alcançado. A repetição deste procedimento caracteriza a recursividade da árvore de decisão (Sob03).

• Algoritmos Genéticos - São algoritmos de busca probabilística baseada no princípio de seleção natural, evolução e hereditariedade (MK00).