Anlise Documentria e Inteligncia Artificial Integrantes do Grupo


















- Slides: 18

Análise Documentária e Inteligência Artificial

Integrantes do Grupo Nomes e Números USP Aline Aparecida da Costa - nº USP 5931999 Ana Rebecca Bartelt - nº USP 9911980 José Luiz Freitas Aleo - nº USP 5933712 Maura Cristina Silva dos Santos - nº USP 10350793 Mirian Verônica Cutrim Guimarães - nº USP 8397209 Centro de Informação e Cultura (CBD) Introdução à Análise Documentária - Profª Drª Giovana Deliberali Maimone

1 Definição Análise Documentária é o ato de organizar a informação e o conhecimento em um conjunto de elementos descritivos, que representam os atributos de um objeto informacional específico.

“ Inteligência Artificial é uma área de pesquisa que envolve disciplinas como computação, cognição e aprendizagem, e pretende fazer com que as máquinas sejam capazes de ter inteligência (HAYKIN, 1994 apud MORAES, 2010, p. 4)

Inteligência Artificial ◇ 1956: John Mac. Cartthy e sua equipe cunham o termo I. A; ◇ 1987: John R. Searle propõe uma nova discussão para separação da Inteligência Artificial: ◇ IA Fraca: “computadores que podem simular algumas tarefas realizadas pela mente humana”. ◇ IA Forte: computadores autônomos e “totalmente capazes de raciocínio e emoções”.

Aspectos comuns aos sistemas automáticos de Análise Documentária: 1. as bibliotecas de dados tendem a substituir as bibliotecas de documentos; 2. os bancos de dados tendem a ser locais (temáticos) e totais (exaustivos); 3. os bancos locais (temáticos) tendem à representação do conhecimento; 4. as representações do conhecimento tendem a ser simuladas; 5. as simulações do conhecimento tendem a constituir-se em Sistemas Especialistas,

Aplicação da I. A. à Documentação ◇ Atividades de processamento ◇ Recuperação da informação

2 Na teoria. . . Indexação é efetuada em duas etapas principais: ● análise conceitual: decisão a respeito do que se trata o documento; ● tradução: conversão da análise conceitual para um conjunto de termos de indexação.

3 Na prática. . . Indexação automática: ● indexação assistida por computador: o sistema funciona como auxiliar, proporcionando acesso a notas explicativas sobre os termos; ● indexação semi-automática: o sistema analisa o documento, mas a decisão sobre os termos de indexação é validada por um indexador humano; ● indexação automática: os sistemas possuem total autonomia para definir e utilizar os termos de indexação.

MEV - Modelo do Espaço Vetorial ◇ O Sistema SMART foi criado nos anos 60 por Gerard Salton; ■ o software analisa o documento termo a termo estabelecendo valores a partir de alguns princípios, sendo o principal a frequência; ■ elimina-se as stopwords (conjunções, preposições, artigos etc. ); ■ termos que não aparecem no texto recebem o valor zero.

“applied linear algebra” Applied (0, 5) Linear (2, 5) Algebra (5, 0) Representação vetorial de “Applied Linear Algebra”

“ Em relação aos resumos, ainda se faz necessária a intervenção humana para a criação de textos concisos em linguagem natural, que representem o documento original. Porém, no âmbito da Inteligência Artificial, já existem softwares (Quill, Wordsmith, e Quakebot) capazes de produzir textos que imitam a composição humana, indicando a possibilidade de, no futuro, haver resumos feitos de forma automática. (ARAUJO, 2017)

4 Benefícios ● unifica os procedimentos de indexação, tendo em vista que indexadores humanos podem discordar quanto o uso dos termos; ● obtém bons resultados na exaustividade e na precisão da recuperação de informação; ● diminui dos erros de indexação; ● alcança maior objetividade, já que aplica sempre os mesmos parâmetros.

5 Desafios ● incapacidade de reconhecer relações semânticas (sinonímia, anáfora, elipse); ● incapacidade de reconhecer termos compostos; ● incapacidade dos métodos estatísticos de normalizar os termos; ● baixo grau de formalização do sistema de representação das Ciências Humanas; ● existência de “gramáticas” e “lógicas” próprias de cada área.

6 Conclusão O uso da Inteligência Artificial aplicada à Análise Documentária otimiza as técnicas dos profissionais de documentação.

Fim!

Referências ARAUJO, Marcelo. O Uso de Inteligência Artificial para a Geração Automatizada de Textos Acadêmicos: Plágio ou Meta-autoria? . Logeion Filosofia da Informação, Rio de Janeiro, v. 3, n. 1, p. 89 -107, 2016. Logeion Filosofia da Informação. Disponível em: <http: //revista. ibict. br/fiinf/article/view/3012>. Acesso em: 16 jun. 2017. CORRÊA, Carlos Alberto. Indexação automática e visualização de informações: um estudo baseado em lógica paraconsistente. 2011. 152 f. Tese (Doutorado em Cultura e Informação) - Departamento de Informação e Cultura, Escola de Comunicações e Artes da Universidade de São Paulo, 2011. Disponível em: <http: //www. teses. usp. br/teses/disponiveis/27/27151/tde-13032013 -091129/pt-br. php>. Acesso em: 16 jun. 2017.

Referências CUNHA, I. M. R. F. ; KOBASHI, N. Y. Análise documentária e inteligência artificial. Revista Brasileira de Biblioteconomia e Documentação, v. 24, n. 1/4, p. 38 -62, 1991. Disponível em: <http: //www. brapci. ufpr. br/brapci/v/a/2806>. Acesso em: 16 jun. 2017. KOBASHI, N. Y. Análise documentária e representação da informação. Informare: Cadernos do Programa de Pós-Graduação em Ciência da Informação, v. 2, n. 2, p. 5 -27, 1996. Disponível em: <http: //basessibi. c 3 sl. ufpr. br/brapci/v/a/3190>. Acesso em: 16 jun. 2017. SILVA, Eliezer de Souza da. Recuperação de conteúdo usando LSI (Latent Semantic Indexing) e VSM (Vector Space Model). 2010. 73 f. TCC (Graduação) - Curso de Engenharia de Computação, Departamento de Engenharias e Computação, Universidade Federal do Espírito Santo, São Mateus, 2010. Disponível em: <https: //inajourney. files. wordpress. com/2012/11/tese. pdf>. Acesso em: 15 jun. 2017.