Propagação em Grafos Bipartidos para Extração de Tópicos em Fluxo de Dados

Resumo

Uma grande quantidade de pesquisa é dedicada a mineração de dados dinâmicos (Data Streams) que, em geral, contém grandes volumes de informação contínua, são multi-dimensionais e de alta velocidade. Tais dados são comuns em aplicações diárias, tais como chamadas telefônicas, vendas no varejo, desempenho de data center, operações de produção, entre outras. Uma instância específica desse problema é a exploração e mineração de coleções em fluxo contínuo de dados textuais. Tal área, na qual analistas estão interessados na percepção do comportamento e tendências desses dados, além de relevante, ainda impõe inúmeros desafios a pesquisadores. Nesse contexto, este projeto tem o objetivo de investigar técnicas inovadoras em mineração de textos para extração de tópicos em fluxo de dados. Os dados considerados são grandes coleções de textos, tipicamente notícias, conteúdo de web-logs etc. As publicações desses dados acontecem em tempo real, o que resulta em constantes alterações na distribuição dos tópicos. Assim, o escopo desta proposta compreende todas as etapas de mineração de textos relacionadas com a extração de tópicos em fluxo de dados. Para isso, serão exploradas e desenvolvidas tecnologias em mineração de textos para a extração e identificação das alterações de tópicos altamente dinâmicos, extração de informação ao longo do tempo e categorização dos textos em relação a sua cobertura temporal. Os resultados desse projeto de doutorado serão validados por meio de corpus e técnicas disponíveis na comunidade de mineração de texto e Data Streaming.