Aplicações dos Modelos de Aplicações dos Modelos de Recuperação da Informação na Recuperação da Informação na Extração de Conteúdos na WebExtração de Conteúdos na Web

Metodologia de Ciência da ComputaçãoProfessora: Odette Mestrinho Passos

Alunos:André PortoLetícia SantosMarcelo Henrique

WEBWEB

• Grande quantidade de informação não-

estruturada.

• Necessidade do usuário filtrar informações

relevantes.

• Bancos de Dados para várias funções.

• Importância dos sistemas

• IETS

• CRF (estado-da-arte)

WEBWEB

Fundamentação teóricaFundamentação teórica

DefiniçãoSistemas que lidam com representação,

armazenamento,organização e acesso as informações.

ObjetivoEncontrar objetos de diferentes tipos de

estruturas que satisfacam um conjunto de informações dentro de uma grande coleção.

ModelosModelos

VetorialBooleano

Probabilístico

Modelo vetorialModelo vetorial

• Representação como vetores de termos

• A cada termo é possível associar um peso:• TF : caracterisitcas em comum• IDF : distinguir

• O termo cos(q) determina a proximidade da ocorrência.

• Similar: mesma região

Modelo booleanoModelo booleano

• Baseado na teoria dos conjuntos

• Cada documento está associado a um conjunto de palavras-

chave

• Cada consulta é na forma de uma expressão booleana.

• Termos de índice na combinação especificada pela

consulta.

Modelo probabilísticoModelo probabilístico

• Probabilidade de relevância ou incerteza

• Pesar dinamicamente os termos da consulta em relação ao

documento

• Termos relevantes já obtidos recebem peso maior dos que

não apareceram nos documentos relevantes.

AplicaçõesAplicações

Web semântica

AplicaçõesAplicações

ONDUXOn Demand Unsupervised Extraction

• Método baseado em Recuparação de Informação para realizar tarefas de EIST.

• Sem fase de treinamento ajustada por usuários.

• Possibilidade de criação de modelos não específicos.

• Obteve resultados iguais ou melhores.

ONDUX

Três fases principais:

ONDUX

ONDUX

Coroado R$100,900 1010 Novo Lar.;

3 quartos 2 Banheiros 8199-7654

Coroado R$100,000

1010 Rua Novo Lar.; 3 quartos;

2 banheiros.

8199-7654

Blocking

ONDUX

B0

Matching

Coroado R$100,00 1010 Novo Lar

3 Quartos 2 Banheiros 8199-7654

Rua Preço No. ??? Rua

Qtos. Banh. Telefone

B1 B2 B3 B4

B5 B6 B7

ONDUX

Coroado R$100,00 1010 Novo Lar

3 Quartos 2 Banheiros 8199-7654

Rua Preço No. ???? Rua

Qtos. Banh. Telefone

Reinforcement

Coroado R$100,00 1010 Novo Lar

3 Quartos 2 Banheiros 8199-7654

Bairro Preço No Rua

Qtos. Banh. Telefone

Dúvidas?Dúvidas?

Obrigado!