Descoberta de conhecimento a partir de informações não estruturadas por meio de técnicas de correlação e associação

• Autores: Marina Carradore Sérgio, Thales do Nascimento da Silva, Alexandre Leopoldo Gonçalves
• Localización: Em Questão, ISSN-e 1808-5245, Vol. 22, Nº. 2, 2016, págs. 87-113
• Idioma: portugués
• Títulos paralelos:
  • Knowledge Discovery from Unstructured Information through Correlation and Association Techniques
• Enlaces
  • Texto completo (pdf)
• Resumen
  • português

    O atual momento da tecnologia vem promovendo meios para o aumento exponencial no volume de informações disponíveis na internet ou em organizações. Considerando que grande parte desta informação encontra-se em formato textual, este fato representa um desafio para as áreas de coleta, armazenamento, recuperação e análise de informações visando à explicitação de conhecimento. Este trabalho tem como objetivo apresentar um modelo para Descoberta de Conhecimento com base nas técnicas de correlação e associação temporal a partir de grandes coleções de documentos. Os procedimentos metodológicos utilizados compreenderam uma pesquisa descritiva e exploratória, envolvendo artigos coletados da base de dados Science Direct® como uma ferramenta para a coleta e a análise dos dados. Através deste tipo de informação é possível extrair regras, padrões, tendências e redes, capazes de auxiliar no processo de tomada de decisão nas organizações a fim de gerar vantagem competitiva. Como principal contribuição destaca-se a proposição de um modelo voltado ao entendimento de aspectos temporais, considerando relacionamentos factuais (através de correlações) ou não (através de associação) entre termos de um domínio.

  • English

    Nowadays, technology’s c rrent stat s seeks means to support the exponential increase of information available around the Internet or in organizations, and regarding that most of said information comes in a textual form, this is a challenge to the areas of crawling, storage, retrieval and analysis of information. This article aims to provide a Knowledge Discovery model based on the temporal correlation and association from large document collections. The methodology set for this process involve descriptive and explorative researches using papers taken right from the Science Direct® database as a tool for data collection and analysis. Through this kind of information is possible to extract rules, patterns, trends, and networks, all of them being usufel to the process of making decisions within organizations in order to generate competitive advantage. Thus, the main contribution of this paper relies on the proposition of a model towards the understanding of temporal aspects, considering factual relationships (through correlations) or not (through associations) between terms in a domain.