Use este identificador para citar ou linkar para este item: repositorio.ufla.br/jspui/handle/1/10545
Título: Enriquecendo um arquivo de autoridade de veículos de publicação com informações extraídas da Web
Título(s) alternativo(s): Enriching a publication venue authority file with Web extracted informations
Autor : Jesus, Heider Alvarenga de
Lattes: http://lattes.cnpq.br/4035901603073337
Primeiro orientador: Pereira, Denilson Alves
Primeiro membro da banca: Ferreira, Anderson Almeida
Segundo membro da banca: Assis, Guilherme Tavares de
Palavras-chave: Arquivo de autoridade
Veículo de publicação
Extração de informação
Classificação de documentos
Máquina de busca
Authority file
Publication venue
Information extraction
Document classification
Search engine
Data da publicação: 28-Out-2015
Agência(s) de fomento: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Referência: JESUS, H. A. de. Enriquecendo um arquivo de autoridade de veículos de publicação com informações extraídas da Web. 2015. 78 p. Dissertação (Mestrado em Ciência da Computação)-Universidade Federal de Lavras, Lavras, 2015.
Resumo: Arquivos de autoridade mantêm registros de entidades e são normalmente utilizados por bibliotecas digitais na elaboração de ferramentas de desambiguação de nomes de autores ou títulos de veículos de publicação. Um arquivo de autoridade com informações detalhadas e consistentes sobre veículos de publicação permite a melhoria de tais ferramentas. Neste trabalho, objetivou-se enriquecer um arquivo de autoridade de veículos de publicação da área de Ciência da Computação. A proposta é obter informações adicionais para complementar esse arquivo de autoridade já existente, extraindo informações automaticamente de paginas da Web, obtidas por meio de consultas a uma maquina de busca. A abordagem contempla os passos para submissão de consultas, classificação dos documentos obtidos por elas e extração de informações dos documentos relevantes. A classificação das páginas é uma tarefa importante neste trabalho. Duas abordagens foram implementadas e avaliadas experimentalmente: classificação baseada apenas em conteúdo e classificação baseada em gênero e conteúdo. A primeira obteve melhores resultados para paginas de conferencias. Das paginas relevantes, foram extraídos dados como ano, numero da ediçao e data, alem do nome e sigla, em busca de alguma variante desconhecida na forma de escrita. Os experimentos realizados demonstram bons resultados na coleta de informações de conferencias, permitindo-se traçar um histórico de realização das mesmas, com dados como ano de suas edições e mudanças de nomes.
Abstract: Authority files maintain entity registries and are generally used by digital libraries for elaborating disambiguation tools for author names or titles of publishing venues. An authority file with detailed and consistent information on publication venues allows the improvement of such tools. This work has the objective of enriching an authority file of Computer Science publication venue. The proposal is of obtaining additional information in order to complement this already existing authority archive, by automatically extracting information from web pages, obtained by means of consultations to a research engine. The approach contemplates the steps for submitting consultations, classifying documents and extracting information of relevant documents. The classification of the pages is an important task in this work. Two approaches were implemented and experimentally evaluated: classification based only on content, and classification based on gender and content. The first obtained the best results for page conference. From the relevant pages, we extracted data such as year, edition number and date, in addition to name and abbreviation, seeking an unknown variant in written form. The experiments conducted demonstrate good results in the collection of conference information, allowing us to trace the record of performing the same, with data such as edition year and name change.
URI: http://repositorio.ufla.br/jspui/handle/1/10545
Publicador: Universidade Federal de Lavras
Idioma: por
Aparece nas coleções:DCC - Ciência da Computação - Mestrado (Dissertações)



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.