Influencia de Tecnicas Nao-supervisionadas de Reducao de Dimensionalidade para Organizacao Flexivel de Documentos

摘要

A organizacao flexivel de documentos consiste em agregar tratamento de imprecisao e incerteza, caracteristicas da natureza da linguagem natural e, por conseguinte, dos textos. Nessa tarefa, o agrupamento fuzzy tem sido um poderoso aliado. Porem, a performance do agrupamento geralmente e afetada negativamente pela representagao dos documentos em vetores esparsos e de alta dimensionalidade, alem da presenga de termos ruidosos. Com base nisso, o presente estudo busca investigar o impacto, na performance do agrupamento fuzzy, da redugao de dimensionalidade utilizando tecnicas nao-supervisionadas. Os resultados mostram que boas estruturas fuzzy sao obtidas com muito poucos atributos que conseguem identificar os aspectos semanticos latentes nos textos. Flexible document organization consists of handling uncertainty and imprecision, which are characteristics of natural language's nature and therefore, of texts. In this task, fuzzy clustering has been a powerful allied. However, clustering performance usually is negatively affected by document representation in sparse and high-dimensional vectors, besides the presence of noisy terms. Based on this, the present study seeks to investigate the impact, on fuzzy clustering performance, of dimensionality reduction by using unsupervised methods. The results show that good fuzzy structures are obtained with very few features which can identify the latent semantic aspects within the texts.