@MASTERSTHESIS{ 2015:513095415,
 	title = {Extração não supervisionada de dados da web utilizando abordagem independente de formato},
 	year = {2015},
 	url = "http://tede.ufam.edu.br/handle/tede/5113",
 	abstract = "Nessa dissertação de mestrado propomos um novo método para extração em páginas
 Web ricas em dados que utiliza apenas o conteúdo textual destas páginas. Nosso
 método, chamado de FIEX (Format Independent Web Data Extraction), é baseado
 em técnicas de extração de informação por segmentação de texto, e consegue extrair
 dados de páginas Web nas quais métodos do estado-da-arte baseados em técnicas de
 alinhamento de dados não conseguem devido à inconsistência entre a estrutura lógica
 das páginas Web e a estrutura conceitual dos dados nelas representadas. O FIEX,
 diferentemente dos métodos previamente propostos na literatura, é capaz de extrair
 dados apenas utilizando o conteúdo textual de uma página Web em cenários desa adores
 como casos severos de elementos textuais compostos, nos quais diversos valores de
 interesse para extração estão representados por apenas um elemento HTML. Para realizar
 a extração dos dados de páginas Web, o FIEX, é baseado em técnicas de eliminação
 de ruídos por redundância de informação e um método de extração de informação por
 segmentação de texto conhecido na literatura como ONDUX (On-Demand Unsupervised
 Learning for Information Extraction). Em nossos experimentos, utilizamos várias
 coleções de páginas Web de diferentes domínios de produtos e de lojas de comércio eletr
 ônico com objetivo de extrair dados de descrições de produtos. A escolha desse tipo
 de página Web, deve-se à grande quantidade de dados destas páginas estarem contidos
 em casos severos de elementos textuais compostos. De acordo com os resultados obtidos
 em nossos experimentos em diferentes domínios de produtos e lojas de comércio
 eletrônico, validamos a hipótese de que a extração baseada em apenas características
 textuais é possível e e caz.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}