@PHDTHESIS{ 2012:1985191061,
 	title = {Extração de informação não-supervisionada por segmentação de texto},
 	year = {2012},
 	url = "http://tede.ufam.edu.br/handle/tede/4518",
 	abstract = "Neste trabalho, propomos, implementar e avaliar uma nova abordagem não supervisionada para
 o problema de Extração de Informações Segmentação Texto (IETS). Nossa abordagem
 baseia-se em informações disponíveis sobre dados pré-existentes para aprender a associar segmentos
 na seqüência de entrada com atributos de um determinado domínio contando com uma muito eficaz
 conjunto de recursos baseados em conteúdo. A eficácia dos recursos com base em conteúdo também é
 explorada para aprender diretamente com recursos baseados em estrutura de dados de teste, sem prévia
 formação humana-driven, uma característica única para a nossa abordagem. Com base em nossa abordagem,
 que produziram um número de resultados de abordar o problema IETS num sem supervisão
 moda. Em particular, temos desenvolvido, implementado e avaliado IETS distintas
 métodos, nomeadamente ONDUX, judie e iForm. ONDUX (On Demand Unsupervised
 Extração de Informação) é uma abordagem probabilística sem supervisão para que IETS
 depende de características baseadas em conteúdo para iniciar o aprendizado de características baseadas em estrutura.
 Recursos baseados em estrutura são exploradas para disambiguate a extração de certos
 atributos através de uma etapa de reforço, que se baseia na sequenciação e posicionamento
 de valores de atributos diretamente aprendidas on-demand a partir dos textos de entrada. Judie (Joint
 Estrutura sem supervisão Descoberta e Extração de Informações) visa automaticamente
 extrair vários registros semi-estruturados de dados na forma de texto contínuo
 e não tendo delimitadores explícitas entre eles. Em comparação com outros IETS
 métodos, incluindo ONDUX, judie enfrenta uma tarefa consideravelmente mais forte, isto é, extrair
 informações, ao mesmo tempo descobrindo a estrutura subjacente de
 os registros implícitas que o contenham. Apesar disso, ele consegue resultados comparáveis ​​aos
 a métodos the-art estado-da. iForm aplica-se a nossa abordagem para a tarefa de forma Web
 o preenchimento. Destina-se a extração de segmentos de um texto rico em dados fornecidos como entrada e associando
 esses segmentos com campos de um formulário Web de destino. O processo de extracção
 depende de recursos com base em conteúdo aprendidas com os dados que foram previamente submetidos à
 o formulário Web. Todos esses métodos foram avaliados considerando diferente experimental
 conjuntos de dados, que usamos para realizar um grande conjunto de experiências, a fim de validar
 nossa abordagem e métodos. Estas experiências indicam que a nossa abordagem proposta
 produz resultados de alta qualidade quando comparado com abordagens state-of-the-art e que
 ele é capaz de suportar adequadamente os métodos IETS em uma série de aplicações reais.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}