Caminhão, Motorista, Carga Cobra -> Animal, Réptil, Cobra Venenosa Computador -> Processador, CPU, Processamento">

A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

PUCRS CLEI2003, Montevidéu, Uruguai - 25-29 novembro de 2002 Desenvolvimento e Avaliação de uma Estrutura Multitesauro para Recuperação de Informações.

Apresentações semelhantes


Apresentação em tema: "PUCRS CLEI2003, Montevidéu, Uruguai - 25-29 novembro de 2002 Desenvolvimento e Avaliação de uma Estrutura Multitesauro para Recuperação de Informações."— Transcrição da apresentação:

1 PUCRS CLEI2003, Montevidéu, Uruguai novembro de 2002 Desenvolvimento e Avaliação de uma Estrutura Multitesauro para Recuperação de Informações Luiz Augusto Sangoi PizzatoVera Lúcia Strube de Lima

2 CLEI2003, Montevidéu, Uruguai novembro de 2002 Introdução Desenvolvimento e Avaliação de uma Estrutura Multitesauro para Recuperação de Informações Tesauro Estrutura Multitesaural Recuperação de Informações (RI) Resultados obtidos

3 CLEI2003, Montevidéu, Uruguai novembro de 2002 Tesauro? "É uma compilação ordenada de conceitos, com ênfase na associação entre eles, que serve, no campo da informação e da documentação, para indexação e recuperação em um dado domínio documentário" (Ruge, 1999) Caminhoneiro -> Caminhão, Motorista, Carga Cobra -> Animal, Réptil, Cobra Venenosa Computador -> Processador, CPU, Processamento

4 CLEI2003, Montevidéu, Uruguai novembro de 2002 Relações Semânticas da ISO 2788 Relação de Equivalência –Sinonímia, Quase-sinonímia, Equivalentes Lexicais Computação USE Informática Relações Hierárquicas –Hiponímia (Narrower Term) Mamífero NT Leão –Hiperonímia (Broader Term) Leão BT Mamífero Relações Associativas –Termos Relacionados Passageiro RT Automóvel

5 CLEI2003, Montevidéu, Uruguai novembro de 2002 Multitesauro LDPUCRS –Lista de descritores da Biblioteca Ir. José Otão – PUCRS; VCUSP –Vocabulário Controlado da USP – Tesauro em CDROM; VCBS –Vocabulário Controlado Básico do Senado; LTOCSS –Tesauro construído automaticamente através do corpus do NILC da Folha de São Paulo do ano de –Relações obtidas por cálculo de similaridade sintática através das técnicas descritas por Grefenstette (1994), adaptadas ao português por Gasperin (2001).

6 CLEI2003, Montevidéu, Uruguai novembro de 2002 Características Tesauros LDPUCRS, VCUSP e VCBS: –São facilmente convertidos para a uma estrutura baseada na ISO 2788; –Apresentam informações que podem podem ser descartadas Scope Note (Notas de Escopo) são úteis para bibliotecários, mas não aparentam utilidade na RI automática Tesauro LTOCSS –Como os significados das relações não são conhecidos, elas são associadas à relação RT da ISO –As relações semânticas apresentam uma medida de similaridade entre os termos.

7 CLEI2003, Montevidéu, Uruguai novembro de 2002 LTOCSS ISO 2788 Utilize este termo quando for um aparelho com mídia em fita magnética. Estrutura Multitesauro

8 CLEI2003, Montevidéu, Uruguai novembro de 2002 Recuperação de Informações Desenvolvimento de uma Heurística de Expansão de Consultas –Utilizar a estrutura em uma aplicação de RI; –Demonstrar que, através de uma estrutura padrão é possível a utilização conjunta de diferentes tesauros (multitesauro) por uma mesma aplicação.

9 CLEI2003, Montevidéu, Uruguai novembro de 2002 Expansão de consulta? A adição de termos a uma consulta de forma que o conjunto de documentos relevantes encontrados seja maior que o conjunto da consulta original. Documentos Relevantes Termo A Termo B Termo C

10 CLEI2003, Montevidéu, Uruguai novembro de 2002 É uma ferramenta de expansão de consulta (EC) que utiliza tesauros definidos de acordo com uma estrutura padrão. O nome QET é um acrônimo para Query Expansion Tool e a ferramenta teve seu desenvolvimento em Borland Kylix 2 - Open Edition sobre uma plataforma Linux. O que é o QET?

11 CLEI2003, Montevidéu, Uruguai novembro de 2002 Heurística de Expansão de Consultas Acidentede Carro Automóvel UF(0.8) Relação Semântica com pesos em [0,1) Acidente de Trânsito RT(0.2) β = 0.8 β = 0.16 Direção Perigosa RT(0.2) β = < σ ( 0.1 ) XXXXXXXXX

12 CLEI2003, Montevidéu, Uruguai novembro de 2002 Heurística de Expansão de Consultas Acidentede Carro Automóvel UF(0.8) Acidente de Trânsito RT(0.2) β = 0.6 β = 0.16 NT(0.6) δ = 0.76 > λ ( 0.7 )

13 CLEI2003, Montevidéu, Uruguai novembro de 2002 Medidas de avaliação Precisão: Recall: F-Measure: Corpus ac b Documentos Relevantes Documentos Recuperados

14 CLEI2003, Montevidéu, Uruguai novembro de 2002 Testes em corpus –Corpus do NILC de artigos diversos da folha de São Paulo do ano de 1994, com palavras em 5093 artigos. Cada artigo corresponde a um arquivo diferente. –Indexação e consulta aos arquivos realizada pela ferramenta ASPSeek, através de interface Web/CGI. Verificação manual de relevância. Geração semi-automática de estatísticas. –Marcação de relevância para 13 assuntos. Avaliação

15 CLEI2003, Montevidéu, Uruguai novembro de 2002 Definição dos pesos para as relações Peso de RT altos diminuem a precisão Peso de BT elevado aumenta o recall mas reduz a precisão

16 CLEI2003, Montevidéu, Uruguai novembro de 2002 Recall

17 CLEI2003, Montevidéu, Uruguai novembro de 2002 Precisão

18 CLEI2003, Montevidéu, Uruguai novembro de 2002 F-Measure

19 CLEI2003, Montevidéu, Uruguai novembro de 2002 Avaliação Médias das 13 consultas MédiasPrecisãoRecallF-Measure Consulta Normal0,45630,23360,3090 Consulta Expandida0,38670,52470, ,25%+124,61%+44,08%

20 CLEI2003, Montevidéu, Uruguai novembro de 2002 Considerações A estrutura tesaural desenvolvida possibilita a utilização conjunta de diferentes tipos de tesauros e demonstrou sua utilidade na RI através do método de expansão de consultas desenvolvido. O método de expansão apresenta bons resultados (F-Measure) e melhora a RI.

21 CLEI2003, Montevidéu, Uruguai novembro de 2002 Trabalhos Futuros Indexação e recuperação de documentos no QET; Utilizar outros tipos de tesauros construídos automaticamente; Descobrir melhores valores para os parâmetros da heurística;

22 CLEI2003, Montevidéu, Uruguai novembro de 2002 O desenvolvimento da estrutura multitesauro; A heurística utilizada na expansão de consulta implementada na ferramenta QET. Uma avaliação da utilização da estrutura na RI. Foco do estudo

23 CLEI2003, Montevidéu, Uruguai novembro de 2002 Agradecimentos Artigo/projeto parcialmente suportado pelo convênio DELL/PUCRS Conselho Nacional de Pesquisa Científica Departamento Técnico do Sistema Integrado de Bibliotecas da USP Subsecretaria de Biblioteca do Senado Federal Biblioteca Ir. José Otão da PUCRS Núcleo Interinstitucional de Lingüística Computacional

24 CLEI2003, Montevidéu, Uruguai novembro de 2002 GASPERIN, Caroline Varaschin. Extração automática de relações semânticas a partir de relações sintáticas. Dissertação de Mestrado. Faculdade de Informática da Pontifícia Universidade Católica do Rio Grande do Sul GREFENSTETTE, Gregory. Explorations in Automatic Thesaurus Discovery. EUA: Kluwer Academic Publishers p. ISO International Organization for Standardization. ISO 2788: Guidelines for the establishment and development of monolingual thesauri. 2 nd ed. Geneva: ISO, RUGE, G. Combining Corpus Linguistics and Human Memory Models for Automatic Term Association. In: STRZALKOWSKI, Tomek. Natural Language Information Retrieval p Referências

25 PUCRS CLEI2003, Montevidéu, Uruguai novembro de 2002 Desenvolvimento e Avaliação de uma Estrutura Multitesauro para Recuperação de Informações Luiz Augusto Sangoi PizzatoVera Lúcia Strube de Lima


Carregar ppt "PUCRS CLEI2003, Montevidéu, Uruguai - 25-29 novembro de 2002 Desenvolvimento e Avaliação de uma Estrutura Multitesauro para Recuperação de Informações."

Apresentações semelhantes


Anúncios Google