O poder cognitivo das redes neurais artificiais modelo Art1 na recuperação da informação

Autores

  • Ethel Airton Capuano Universidade de Brasília

DOI:

https://doi.org/10.18225/ci.inf.v38i1.1252

Palavras-chave:

Sistema de Recuperação da Informação, Sintagma Nominal, Semântica, Indexação Sintagmática, Mineração de Textos, Redes Neurais Artificiais, Teoria da Ressonância Adaptativa, Redes Neurais ART, Simulação Computacional, Inteligência Artificial.

Resumo

O artigo relata um experimento de simulação computacional de um sistema de recuperação da informação composto por uma base de índices textuais de uma amostra de documentos, um software de rede neural artificial implementando conceitos da Teoria da Ressonância Adaptativa, para automação do processo de ordenação e apresentação de resultados, e um usuário humano interagindo com o sistema em processos de consulta. O objetivo do experimento foi demonstrar (i) a utilidade das redes neurais de Carpenter e Grossberg (1988) baseadas nessa teoria e (ii) o poder de resolução semântica com índices sintagmáticos da abordagem SiRILiCO proposta por Gottschalg-Duque (2005), para o qual um sintagma nominal ou proposição é uma unidade lingüística constituída de sentido maior que o significado de uma palavra e menor que uma narrativa ou uma teoria. O experimento demonstrou a eficácia e a eficiência de um sistema de recuperação da informação combinando esses recursos, concluindo-se que um ambiente computacional dessa natureza terá capacidade de clusterização (agrupamento) variável on-line com entradas e aprendizado contínuos no modo não-supervisionado, sem necessidade de treinamento em modo batch (off-line), para responder a consultas de usuários em redes de computadores com desempenho promissor.

Palavras-chave: Sistema de recuperação da informação. Sintagma nominal. Semântica. Indexação sintagmática. Mineração de textos. Redes neurais artificiais. Teoria da ressonância adaptativa. Redes neurais ART. Simulação computacional. Inteligência artificial.

The cognitive power of artificial neural networks model art1 for information retrieval

Abstract

The article reports an experiment with a computational simulation of an Information Retrieval System constituted of a textual indexing base from a sample of documents, an artificial neural network software implementing Adaptive Resonance Theory concepts for the process of ordering and presenting outputs, and a human user interacting with the system in query processing. The goal of the experiment was to demonstrate (i) the usefulness of Carpenter and Grossberg (1988) neural networks based in that theory, and (ii) the power of semantic resolution based on sintagmatic indexing of the SiRILiCO approach proposed by Gottschalg-Duque (2005), for whom a noun phrase or proposition is a linguistic unity constituted of meaning larger than a word meaning and smaller than a story telling or a theory meaning. The experiment demonstrated the effectiveness and efficiency of an Information Retrieval System  joining together those resources, one concluding that such computational environment will be capable of dynamic and on-line clustering with continuing inputs and learning in a non-supervised fashion, without batch training needs (off-line), to answer user queries in computer networks with promising performance.

Keywords: Information retrieval system. Noun phrase. Semantics. Syntagmatic indexing. Text mining. Artificial neural networks. Adaptive resonance theory. ART neural networks. Computational simulation. Artificial intelligence.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

  • Ethel Airton Capuano, Universidade de Brasília

    Doutorando em Ciência da Informação pela Universidade de Brasília (UnB); Mestre em Gestão do Conhecimento e da Tecnologia da Informação pela Universidade Católica de Brasília (UCB); Especialista em Redes de Computadores pela Universidade Católica de Brasília (UCB); Engenheiro Civil pela Universidade Estadual de Maringá (UEM). Membro da Carreira de Especialista em Políticas Públicas e Gestão Governamental (EPPGG) do Ministério do Planejamento, Orçamento e Gestão (MPOG). 

Downloads

Publicado

29/05/2009

Edição

Seção

Artigos