CATEGORIZAÇÃO AUTOMÁTICA DE MENSAGENS DE CALL-FOR-PAPERS

Ano: 2011 | Volume: 10 | Número: 2

Autores: Daniela Corumba, Hendrik Macedo

Palavras-chave: recomendação, mineração de texto, categorização, extração de informação

Resumo Português:

Participantes de listas de discussão costumam receber diariamente um grande volume de mensagens em suas caixas de correio eletrônico. Em boa parte dos casos, apenas algumas destas mensagens despertam de fato o interesse do usuário. Um exemplo deste tipo de lista é a assinatura eletrônica de sistemas de chamadas para submissão de artigos científicos a conferências e periódicos (calls-for-papers), que são de grande interesse para grupos de pesquisa, professores e estudantes que desenvolvem algum tipo de atividade científica. A diversidade das chamadas entre linhas de pesquisa variadas dificulta o acesso às mais relevantes. Este artigo descreve um serviço Web que organiza de forma inteligente mensagens de call-for-papers recebidas em contas de correio eletrônico. O serviço realiza mineração do texto da mensagem e processamento kNN para categorizar os calls-for-papers entre seis grandes áreas da computação. Experimentos utilizando uma base de testes mostraram um percentual de acerto na classificação em torno de 89%. Uma extensão desse serviço Web para recomendação de calls-for-papers baseado na extração automática de informações de currículos Lattes (CNPq) de pesquisadores também é apresentada.

Resumo Inglês:

Participants of discussion lists receive a great number of messages in their mail boxes. Most of the times, only a small fraction of those messages are useful to the user. An example of such lists is the one used to spread call-for-papers for conferences and scientific journals, which are extremely useful to research groups, professors and students who develop scientific-related activities. The diversity of call-for-papers for different research fields, however, makes the separation of the most relevant ones somewhat difficult. This paper describes an intelligent web service that organizes call-for-papers stored in electronic mail accounts. The service uses a supervised learning technique kNN in order to classify call-for-papers in six major computing areas. Experiments utilizing a test base have shown accuracy of about 89%. An extension of this web service for recommendations of call-for-papers based on automatic information extraction of researchers’ Lattes curricula (CNPq) is also presented.