Johuha

Categoria: Mineração de Dados

Início > Recuperação da Informação > Mineração de Dados

20 Site(s) nesta categoria

11 a 20 de 20

11.	Conceitos e Aplicações de Data Mining >Popular!
	Atualmente, muito se fala em Data Mining, encontrando-se na literatura significativa variedade de estudos sobre o tema. Este artigo tem como objetivo introduzir conceitos básicos dessa tecnologia a interessados que ainda estão iniciando o estudo de Data Mining. Nesse contexto, o presente texto pretende apresentar alguns desses conceitos sobre as técnicas que envolvem a descoberta de conhecimento em grandes conjuntos de dados, além de registrar algumas características de um software específico para mineração de dados, o Clementine, da SPSS, bem como algumas aplicações realizadas nessa ferramenta.
	Incluído em: 28/06/2008

12.	Análise de Alergia e Rinite em Escolares por meio da Shell Orion Data Mining Engine >Popular!
	A análise de dados, que compreende a busca de conhecimento, pode tornar-se complexa e exaustiva quando é realizada a partir de um enorme volume de dados. Uma maneira eficaz e inteligente de analisar esses dados pode ser realizada por meio do processo de Knowledge Discovery in Databases (KDD), que reúne vários passos e tarefas para a descoberta de conhecimento relevante em grandes bases de dados, tendo-se como uma de suas etapas a de Data Mining (DM), que é responsável por extrair o conhecimento da base. Este artigo relata a Shell Orion Data Mining Engine e a análise da asma e rinite em escolares de Criciúma (SC) por meio da tarefa de classificação e associação na Orion, demonstrando novas relações que podem auxiliar na análise do perfil destas doenças em Criciúma.
	Incluído em: 28/06/2008

13.	Mineração de Dados - Conceitos, Aplicações e Experimentos com Weka >Popular!
	As ferramentas e técnicas empregadas para análise automática e inteligente dos imensos repositórios de dados de indústrias, governos, corporações e institutos científicos são os objetos tratados pelo campo emergente da Descoberta de Conhecimento em Bancos de Dados (Knowledge Discovery in Databases - KDD). Mineração de dados é a etapa em KDD responsável pela seleção dos métodos a serem utilizados para localizar padrões nos dados, seguida da efetiva busca por padrões de interesse numa forma particular de representação, juntamente com a busca pelo melhor ajuste dos parâmetros do algoritmo para a tarefa em questão. Neste minicurso, os fundamentos de mineração de dados serão apresentados, bem como diferentes áreas de pesquisa e aplicação desta tecnologia. Visando um enfoque prático e aplicado, atividades de mineração serão realizadas com o Weka, um pacote de algoritmos de aprendizagem de máquina para resolver problemas reais de mineração de dados. Estas atividades auxiliarão na fixação dos conceitos apresentados, bem como numa melhor percepção do potencial desta recente e desafiadora área de pesquisa.
	Incluído em: 22/08/2009

15.	O uso de mineração de dados na descoberta do comportamento do usuário da Web >Popular!
	O processo de descoberta do conhecimento e mineração de dados tem sido utilizado em diversas áreas com o objetivo de encontrar informações úteis que normalmente não estão visíveis em grandes volumes de dados. Este trabalho apresenta questões relativas à utilização destas técnicas na descoberta do comportamento do usuário da Web através da análise de registros de acessos a páginas disponibilizadas na rede. Como resultado do trabalho está sendo apresentado o projeto de uma ferramenta capaz de extrair regras de associação entre conjuntos de páginas visitadas pelos usuários a fim de encontrar padrões e regularidades que possam descrever o seu perfil.
	Incluído em: 05/08/2008

16.	O processo da bibliomineração: repositório de dados e mineração de dados para tomada de decisão em bibliotecas >Popular!
	Apresenta uma metodologia operacional integrada, utilizando técnicas de repositórios de dados (data warehousing) e mineração de dados (data mining), e combinando ferramentas estatísticas com reconhecimento de padrões. Tendo em vista a utilização de recursos, o objetivo principal é chegar a um entendimento melhor do comportamento de comunidades de usuários. O anonimato dos usuários fica inteiramente assegurado na aplicação do modelo, pelo qual são processados os dados oriundos de arquivos transacionais da biblioteca. O próprio processo da bibliomineração consiste basicamente em coletar, depurar e anonimizar os dados, visando, precipuamente, a descoberta de padrões subjacentes. Os resultados podem ser combinados com diferentes variáveis, antes de sua utilização na tomada de decisão pela Administração da biblioteca.
	Incluído em: 29/10/2012

18.	METODOLOGIA E AUTOMATIZAÇÃO DO PROCESSO DE APLICAÇÃO DA MINERAÇÃO DE DADOS >Popular!
	A análise desse grande volume de dados em busca de informações e conhecimento começou a ficar humanamente impossível utilizando os sistemas existentes. Para atender as novas exigências identificou-se então a necessidade de evolução das tecnologias. A criação de métodos e ferramentas para automatizar o processo torna-se evidente. Neste cenário surge, no final da década de 1980, um novo ramo da computação, a descoberta de conhecimento em bases de dados. Segundo Fayyad, Piatetsky-Shapiro, Smith (1996) o processo de descoberta de conhecimento em bases de dados (KDD - Knowledge Discovery in Databases) é definido como sendo um processo interativo e iterativo, não trivial de identificação de padrões válidos, novos, potencialmente úteis, compreensíveis e embutidos nos dados, envolvendo numerosos passos, com muitas decisões sendo feitas pelo usuário. Segundo Han e Kamber (2006) o conjunto de atividades do processo de descoberta de conhecimento em bases de dados é composto de sete etapas: limpeza dos dados, integração dos dados, seleção dos dados, transformação dos dados, mineração dos dados, avaliação dos padrões, apresentação do conhecimento.
	Incluído em: 04/10/2008

19.	Aplicação da descoberta de conhecimento em textos para apoio à construção de indicadores infométricos para a área de C&T >Popular!
	Relata resultados de pesquisa aplicando a descoberta de conhecimento em texto (DCT) em conteúdos textuais, importantes fontes de informação para tomada de decisão. O objetivo central da pesquisa foi verificar a eficácia da DCT na descoberta de informações para apoio à construção de indicadores e definição de políticas públicas. O estudo de caso foi o Serviço Brasileiro de Respostas Técnicas (SBRT) e a técnica aplicada a de agrupamento de documentos a partir dos termos minerados na base de dados. Comprovou-se a aplicabilidade da DCT na extração de informações ocultas em documentos textuais para subsidiar a tomada de decisão e a construção de indicadores, informações essas que não poderiam ser visualizadas utilizando-se recursos tradicionais de recuperação da informação. Observou-se a preocupação com o meio ambiente nas demandas feitas pelos usuários do SBRT e a aplicabilidade da DCT para orientação de políticas internas à rede SBRT.
	Incluído em: 15/03/2010

20.	O uso da Mineração de Textos para Extração e Organização não Supervisionada de Conhecimento >Popular!
	O avanço das tecnologias para aquisição e armazenamento de dados tem permitido que o volume de informação gerado em formato digital aumente de forma significativa nas organizações. Cerca de 80\% desses dados estão em formato não estruturado, no qual uma parte significativa são textos. A organização inteligente dessas coleções textuais é de grandeinteresse para a maioria das instituições, pois agiliza processos de busca e recuperação da informação. Nesse contexto, a Mineração de Textos permite a transformação desse grande volume de dados textuais não estruturados em conhecimento útil, muitas vezes inovador para as organizações. Em especial, o uso de métodos não supervisionados para extraçãoeorganização de conhecimento recebe grande atenção na literatura, uma vez que não exigem conhecimento prévio a respeitodas coleções textuais a serem exploradas. Nesse artigo são descritas as principais técnicas e algoritmos existentes para extração e organizaçãonão supervisionada de conhecimento a partir de dados textuais. Os trabalhos mais relevantes na literatura são apresentados e discutidos em cada fase do processo de Mineração de Textos; e, são sugeridas ferramentas computacionais existentes para cada tarefa. Por fim, alguns exemplos e aplicações são apresentados para ilustrar o uso da Mineração de Textos em problemas reais.
	Incluído em: 02/06/2012

<< Anterior

11 a 20 de 20

JOHUHA é um diretório sobre temas relacionados com Ciência da Informação e Biblioteconomia.

Criado pelo Prof. Dr. Angel Freddy Godoy Viera. e-mail: godoy@cin.ufsc.br

Professor do Programa de Pós-Graduação em Ciência da Informação e do Departamento de Ciência da Informação da Universidade Federal de Santa Catarina - Brasil.