Sumários

Técnicas de pré-processamento

24 Setembro 2024, 14:00 • Ana Catarina dos Santos Martins

- Corpora e Lei de Herdan;

- Definição de tokens e tipos;

- Introdução à biblioteca NLTK: exploração e análise dos corpora.

- Tokenização e tokenização em subpalavras;

- Exercícios sobre extração de informação da web e tokenização utilizando a biblioteca NLTK.

- Normalização: conversão para minúsculas, remoção da pontuação, remoção de números, utilização dum formato standar, lematização, stemmização, remoção de stopwords e tratamento de caracteres especiais.

- Exercícios de normalização (stemização utilizando diferentes stemmers e lematização).

- Introdução a expressões regulares (concatenação, disjunção, intervalos, caracteres especiais, ancoras, agrupamento, precedência, greedy, quantificadores)

Aula de Apresentação

17 Setembro 2024, 14:00 • Ana Catarina dos Santos Martins

- Introdução a Text Mining: o que é, quais são as áreas que intersecta, tipos de dados, principais aplicações.

- Apresentação dos objetivos da cadeira:

1. Técnicas de pré-processamento;

2. Obtenção e filtragem de informação;

3. Extração de informação;

4. Semântica Vetorial e Modelos de Embeddings;

5. Naive Bayes, Classificação de texto e Sentimento.

6. Introdução a Modelos de Linguagem.

- Avaliação;

- Introdução ao desenvolvimento de projeto em Text Mining;

- Apresentação de Use Cases.