Titulo Estágio
AICOD- Categorização Automática e Inteligente de Documentos: Módulo Web
Área Tecnológica
Reconhecimento de Padrões
Local do Estágio
DEI - FCTUC, Polo II - Pinhal de Marrocos
Enquadramento
Com a ubiquidade da Internet, a quantidade de documentos em formato digital multiplica-se e torna cada vez mais crucial a sua organização automática. O sistema AICOD – Automatic Intelligent Categorization of Documents (http://aicod.dei.uc.pt) é uma aplicação desenvolvida para que os utilizadores possam efectuar a categorização dos seus documentos de forma automática o que permite optimizar o tempo utilizado quando as tarefas de organização, filtragem e encaminhamento de documentos são realizadas de uma forma manual.
O sistema recebe documentos de texto (em qualquer formato) que podem ser imagens, páginas web ou emails. A aplicação desenvolvida implementa uma framework de categorização automática de documentos que possibilita a execução, parametrização e mesmo substituição de métodos para todas as fases de sistema, nomeadamente, receber e representar um conjunto de textos em vários formatos possíveis (email, HTML, SGML,...), reduzir a dimensão do espaço de características, aprendizagem e classificação. Foi ainda efectuada a implementação, o teste e a comparação de um conjunto de algoritmos standard (redes neuronais, SVM,...) recorrendo a versões implementadas em Java destes algoritmos e disponíveis publicamente, nomeadamente o Weka Data Mining Software, disponível em www.cs.waikato.ac.nz/ml/weka/.
Objetivo
O resultado deste estágio deve ser a implementação de um módulo web que
permita expandir o AICOD para classificação em ambientes web.
Pretende-se que este módulo acrescente à framework a capacidade de
classificar páginas seguindo a estrutura de links que está subjacente à
Internet. Além disso, pretende-se que, como forma de lidar com a
informação variada das páginas web, a classificação seja multimédia,
i.e. explore não só o conteúdo textual das páginas, mas também o
conteúdo das imagens normalmente presentes. A experimentação deve ser
realizada com corpora web (i.e., data sets que sejam páginas web
referentes a um tópico específico como páginas de Conferencias ou de
Patentes), mas também em ambientes reais, i.e. na Internet.
Plano de Trabalhos - Semestre 1
·
Revisão bibliográfica
·
Estudo das ferramentas de
desenvolvimento.
·
Análise e especificação.
Plano de Trabalhos - Semestre 2
·
Implementação do protótipo do módulo e
integração no sistema AICOD.
·
Testes e experimentação.
·
Relatório de estágio.
Condições
Observações
Conhecimentos de Java, XML e linguagens de desenvolvimento web.
Orientador
Profª Doutora Bernardete Ribeiro
bribeiro@dei.uc.pt 📩