Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais (2015)
- Authors:
- Autor USP: REZENDE, SOLANGE OLIVEIRA - ICMC
- Unidade: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; MINERAÇÃO DE DADOS; ANÁLISE DE SÉRIES TEMPORAIS; CLASSIFICAÇÃO
- Keywords: extração de tópicos
- Language: Português
- Imprenta:
- Source:
- Título: Resumos Expandidos
- Conference titles: Mostra de Estagiários e Bolsistas da Embrapa Informática Agropecuária
-
ABNT
RODRIGUES, Lucas Santiago et al. Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais. 2015, Anais.. Brasília: Embrapa, 2015. Disponível em: http://ainfo.cnptia.embrapa.br/digital/bitstream/item/140179/1/020-15.pdf. Acesso em: 09 fev. 2026. -
APA
Rodrigues, L. S., Sinoara, R. A., Rezende, S. O., Marcacini, R. M., & Moura, M. F. (2015). Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais. In Resumos Expandidos. Brasília: Embrapa. Recuperado de http://ainfo.cnptia.embrapa.br/digital/bitstream/item/140179/1/020-15.pdf -
NLM
Rodrigues LS, Sinoara RA, Rezende SO, Marcacini RM, Moura MF. Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais [Internet]. Resumos Expandidos. 2015 ;[citado 2026 fev. 09 ] Available from: http://ainfo.cnptia.embrapa.br/digital/bitstream/item/140179/1/020-15.pdf -
Vancouver
Rodrigues LS, Sinoara RA, Rezende SO, Marcacini RM, Moura MF. Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais [Internet]. Resumos Expandidos. 2015 ;[citado 2026 fev. 09 ] Available from: http://ainfo.cnptia.embrapa.br/digital/bitstream/item/140179/1/020-15.pdf - Criação e aplicação de módulos automáticos para o planejamento de processo assistido por computador em soluções híbridas de planejamento
- Opinion-meter: a framework for aspect-based sentiment analysis
- Uma abordagem para seleção de grupos significativos em agrupamento hierárquico de documentos
- Websensors analytics: learning to sense the real world using web news events
- O efeito do uso de diferentes formas de geração de termos na compreensibilidade e representatividade dos termos em coleções textuais na língua portuguesa
- On the comparison of semi-supervised hierarchical clurstering algorithms in text mining tasks
- A comparison of parameter selection measures for sensor learning from financial news events
- Exploiting generalized association rules
- Análise comparativa de duas abordagens para o agrupamento semi-supervisionado particional de documentos: sementes iniciais e restrições pareadas
- TaXEm: a tool for aiding the evaluation
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
