Extração automática de termos de textos em português: aplicação e avaliação de medidas estatísticas e associação de palavras.
| dc.contributor | Instituto de Ciências Matemáticas e de Computação – ICMC/USP | pt_BR |
| dc.contributor.author | Teline, Maria Fernanda | |
| dc.contributor.author | Manfrin, Aline Maria Pacífico | |
| dc.contributor.author | Aluisio, Sandra Maria | |
| dc.date.accessioned | 2018-08-02T13:06:21Z | |
| dc.date.available | 2018-08-02T13:06:21Z | |
| dc.date.issued | 2003-10 | |
| dc.description.abstract | Neste trabalho, são descritos os passos para a montagem do corpus composto por textos da área de Revestimentos Cerâmicos, da revista eletrônica Cerâmica Industrial, que foi utilizado para a avaliação de medidas estatísticas para a extração de candidatos a termos da área de Revestimentos Cerâmicos. O propósito do trabalho foi avaliar o desempenho das medidas, que são utilizadas primariamente para a extração de n-gramas a partir de um corpus, na tarefa de extração de terminologia. Para a comparação do desempenho delas, utilizamos como lista de referência os termos contidos no Dicionário de Revestimentos (DiRC)1 que estavam presentes no corpus em questão. Para bigramas não foi possível escolher um dos métodos estatísticos dentre Freqüência, Informação Mútua, Log-likelihood e Dice, pois seus resultados apresentaram-se bastante semelhantes. Já para o caso de trigramas, a Freqüência apresentou um resultado melhor do que as medidas Informação Mútua e Log-likelihood. | pt_BR |
| dc.description.notes | Relatórios Técnicos do ICMC; 216 | pt_BR |
| dc.format | 41 p. | pt_BR |
| dc.identifier.uri | http://repositorio.icmc.usp.br//handle/RIICMC/6792 | |
| dc.language.iso | por | pt_BR |
| dc.publisher.city | São Carlos, SP, Brasil. | pt_BR |
| dc.subject | Inteligência artificial | pt_BR |
| dc.title | Extração automática de termos de textos em português: aplicação e avaliação de medidas estatísticas e associação de palavras. | pt_BR |
| dc.title.alternative | Automatic extraction of terms of texts in Portuguese: application and evaluation of statistical measures and association of words. | pt_BR |
| dc.type.category | Relatórios técnicos | pt_BR |
| usp.description.abstracttranslated | In this work, the steps for the assembly of the corpus composed by texts of the area of Ceramic Coatings, of the electronic magazine Cerâmica Industrial, which was used for the evaluation of statistical measures for the extraction of candidates for terms of the area of Ceramic Coatings, are described. The purpose of this work was to evaluate the performance of the measures, which are used primarily for the extraction of n-grams from a corpus, in the task of terminology extraction. To compare their performance, we used as reference list the terms contained in the Dictionary of Coatings (DiRC) 1 that were present in the corpus in question. For bigramas it was not possible to choose one of the statistical methods among Frequency, Mutual Information, Log-likelihood and Dice, because their results were very similar. In the case of trigrams, the frequency presented a better result than the measures Mutual Information and Log-likelihood. | pt_BR |