Organização de dados governamentais públicos baseada em hierarquias de tópicos

• Processo: 12/01617-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2012
• Data de Término da vigência: 30 de abril de 2013
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Solange Oliveira Rezende
• Beneficiário: Daniel Luiz de Albuquerque
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Inteligência artificial Organização da informação Mineração de texto Dados categorizados Coleta de dados
• Palavra(s)-Chave do Pesquisador: dados governamentais abertos | Extração de padrões | Hierarquia de tópicos | Inteligência Artificial | Mineração de Texto | Modelo espaço-vetorial | Mineração de textos

Resumo

Com o intuito de promover uma maior transparência na política nos dias atuais, movimentos, em sua maioria americanos, aliados a novas propostas do governo Obama, firmaram tais ideias, que aos poucos estão se espalhando pelo mundo, inclusive no Brasil, que já possui movimentos de abertura de dados governamentais. Esta foi a inspiração para a confecção deste projeto. Dados governamentais abertos seguem uma série de regras em sua publicação, que permitem total manipulação e garantem facilidades na utilização. Em outros casos, os documentos são apenas públicos, com projetos futuros de abertura, de forma que sua publicação na rede é feita sem qualquer regra ou padrão, dificultando assim iniciativas que visam a utilização dos dados. Em geral, os dados governamentais estão em um formato bruto, o que dificulta tanto a visualização quanto o interesse da população pelas consultas a tal conteúdo. Associado a tal dificuldade, é constatado o crescimento progressivo da quantidade de informação, que torna a analise humana uma tarefa impraticável. De encontro com a percepção da necessidade de maior acessibilidade a estes dados, vem a mineração de textos, a partir da qual é possível realizar a organização e a extração de conhecimento do conteúdo. O projeto consiste em cinco fases, provenientes do processo de mineração de textos. Primeiramente deve ser feita a coleta e a transformação dos documentos em textos em formato bruto. Após a fase da coleta os dados se encontram inapropriados para a fase de extração de padrões, o que exige um bom tratamento, que privará, na medida do possível, o restante do processo quanto a inconsistências e resultados insatisfatórios. Na extração de padrões, os resultados se tornam mais evidentes, de forma que são criadas as hierarquias de tópicos, que definem as dependências entre termos e documentos. Tal organização dos dados também permite um aprimoramento no processo de busca, incentivando assim o uso da informação. (AU)