Biagrupamento e coagrupamento: conceitos, algoritmos e viabilidade para mineraçãode texto (2019)
- Authors:
- USP affiliated authors: PERES, SARAJANE MARQUES - EACH ; DIAZ, ALEXANDRA KATIUSKA RAMOS - EACH
- Unidade: EACH
- DOI: 10.22456/2175-2745.89063
- Subjects: MINERAÇÃO DE DADOS; INTELIGÊNCIA ARTIFICIAL; MATRIZES; ALGORITMOS
- Language: Português
- Abstract: Biagrupamento e coagrupamento são tarefas de análise de dados que permitem a extração deinformação relevante aplicando critérios de similaridade simultaneamente às linhas e às colunas de matrizes dedados. Algoritmos usados na resolução destas tarefas agrupam simultaneamente os objetos e os atributos,possibilitando a criação de bigrupos ou cogrupos. Embora semelhantes, essas tarefas possuem naturezas eobjetivos diferentes, sendo que coagrupamento pode ser visto como uma generalização de biagrupamento. Umestudo detalhado sobre algoritmos associados à cada tarefa é importante para alcançar eficácia na resoluçãode problemas do mundo real. Escolher os valores adequados para os parâmetros desses algoritmos é maisdifícil quando dados complexos do mundo real são analisados. Por exemplo, para aplicar biagrupamento oucoagrupamento em dados textuais (i.e., em mineração de textos) é necessário usar uma representação detextos em um modelo de espaço vetorial. Esse tipo de representação comumente leva à geração de espaçosvetoriais caracterizados pela alta dimensionalidade e esparsidade, e afeta o desempenho de muitos dosalgoritmos. Este tutorial tem por objetivo apresentar, de forma didática, os conceitos referentes às tarefasde biagrupamento e coagrupamento, e como dois algoritmos abordam esses conceitos. Além disso, sãoapresentadas experimentações em contextos de dados de alta dimensionalidade e alta esparsidade, geradosde maneira sintética e também representados por um corpus de notícias. De forma geral e em termos comparativos, os resultados obtidos indicam que o algoritmo para coagrupamento (i.e., NBVD) apresenta maior adequabilidade para o contexto de experimentação utilizado.Embora o uso do algoritmo de biagrupamento (i.e.,de Cheng e Church) tenha apresentado resultados de mais baixa relevância no contexto dos dados textuaisdo que o NBVD, sua aplicação em dados de alta dimensionalidade e esparsidade propiciou um ambiente deestudo útil para entendimento do funcionamento do algoritmo
- Imprenta:
- Publisher place: Porto Alegre
- Date published: 2019
- Source:
- Título: Revista de Informática Teórica e Aplicada
- ISSN: 2175-2745
- Volume/Número/Paginação/Ano: v. 26, n. 2, p. 81-117, 2019
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
DIAZ, Alexandra Katiuska Ramos e PERES, Sarajane Marques. Biagrupamento e coagrupamento: conceitos, algoritmos e viabilidade para mineraçãode texto. Revista de Informática Teórica e Aplicada, v. 26, n. 2, p. 81-117, 2019Tradução . . Disponível em: https://doi.org/10.22456/2175-2745.89063. Acesso em: 21 abr. 2026. -
APA
Diaz, A. K. R., & Peres, S. M. (2019). Biagrupamento e coagrupamento: conceitos, algoritmos e viabilidade para mineraçãode texto. Revista de Informática Teórica e Aplicada, 26( 2), 81-117. doi:10.22456/2175-2745.89063 -
NLM
Diaz AKR, Peres SM. Biagrupamento e coagrupamento: conceitos, algoritmos e viabilidade para mineraçãode texto [Internet]. Revista de Informática Teórica e Aplicada. 2019 ; 26( 2): 81-117.[citado 2026 abr. 21 ] Available from: https://doi.org/10.22456/2175-2745.89063 -
Vancouver
Diaz AKR, Peres SM. Biagrupamento e coagrupamento: conceitos, algoritmos e viabilidade para mineraçãode texto [Internet]. Revista de Informática Teórica e Aplicada. 2019 ; 26( 2): 81-117.[citado 2026 abr. 21 ] Available from: https://doi.org/10.22456/2175-2745.89063 - Biagrupamento heurístico e coagrupamento baseado em fatoração de matrizes: um estudo em dados textuais
- Feasibility Study for an Automatic Architecture for Pothole Detection in Asphalt Images: a Trade-off between Performance and Quality
- Guest editorial preface deep learning, ubiquitous, and toy computing
- Gesture phase segmentation dataset: an extension for development of gesture analysis models
- Aprendizado baseado em problemas no ensino universitário: um estudo de caso na área de banco de dados
- Processo de seleção de alunos no grupo PET-Informática: uma experiência construtiva, prazerosa e gratificante
- Mapas auto-organizáveis de Kohonen aplicados ao reconhecimento de Sinais da LIBRAS
- Ux-View: uma ferramenta para visualização de mapeamentos topológicos
- COMPETEC - Dojo de Programação como reforço ao ensino de programação para alunos do ensino médio técnico
- Avaliando a ferramenta xLupa como recurso para a educação especial inclusiva
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
