Traditional document clustering techniques use words to represent the contents of the documents and the use of words may cause semantic. Document clustering is a technique capable of organizing large amounts of documents in clusters of related information, which helps the localization of relevant information.

This chapter introduces a technique to cluster textual documents using concepts. Essa avaliação geralmente é feita por seres humanos ou também pode ser realizada automaticamente por ferramentas de avaliação.Įste trabalho apresenta um estudo detalhado destas diferentes formas de avaliação de sumários automáticos e tem por hipótese, mostrar que a avaliação baseada em sumários de referência humanos são melhores do que a avaliação baseada em extratos ideais gerados automaticamente. Contudo, para medir o quão se aproximam os sumários automáticos dos sumários humanos faz-se necessária uma avaliação comparativa entre ambos. O principal desafio da sumarização automática de textos é a obtenção de sumários automáticos com qualidade semelhante aos sumários gerados por seres humanos. Devido ao grande volume de informações e ao pouco tempo para as leituras dos textos de diversas naturezas surgiu a necessidade de simplificar e resumir essas informações a fim de otimizar o processo de absorção dos conteúdos pelos leitores. Por isto, empresas e instituições das mais diversas áreas do conhecimento têm disponibilizado muitos de seus produtos em meios digitais. O acesso aos meios de distribuição da informação está cada vez mais facilitado. Information retrieval, cohesion, and coupling. The results reveal great progress in the performance of documentĬlustering using the Cassiopeia, measured with respect to the usual precision measurements, Originating from the journalistic, legal and medical domains, and for both Portuguese andĮnglish languages. This model was tested with corpora of public databases, With the additional advantage of independence of both domain and language.In order toĮvaluate this hypothesis, the Cassiopeia model was developed byintegrating these Method for Luhn’s cut-off, with the intention of improving text clustering performance and A major contribution, furthermore, was the definition of a new Performance of document clustering will improve by including document summarizationĭuring the pre-processing stage, and by including the use of hierarchical document clusteringĭuring the processing stage. This paper explores the hypothesis that the Attributes and stopwords compose theįoundation for defining Luhn’s cut-off.

The word set that should be removed (stopwords). Intimately linked to the choice of attributes used to create theclustering and the definition of When used in different domains, they may sufferĪ loss in performance, which renders text retrieval difficult. Most textĬlusters are developed for specific domains. Techniques to support text searches and retrievals within larger text databases. This thesis contributor to the field of information retrieval, using document clustering

Cassiopeia search removal