Uma plataforma para revisão automática de literatura via técnicas de Text Mining
Year: 2018
Type: dissertation
Abstract: A revisão de literatura é parte integrante do trabalho científico, possibilitando a compreensão dos conceitos abordados numa determinada área de investigação e servindo de fundação para o trabalho a ser desenvolvido pelos investigadores. Hoje em dia, é relativamente fácil encontrar uma quantidade considerável de artigos científicos para incluir no processo de revisão de literatura, visto que a web tem sido um potenciador da divulgação deste tipo de publicações em formato digital, promovendo o acesso a conteúdo de caráter científico. No entanto, e independentemente desses fatores, efetuar uma revisão de literatura é um processo maioritariamente manual e, por isso, demorado. A quantidade de artigos científicos publicados, nomeadamente online, também tem aumentando, dificultando a realização de revisões de literatura abrangentes, em determinadas áreas científicas. No caso da revisão sistemática, os fatores enunciados contribuem para um acréscimo da complexidade inerente ao próprio processo de revisão, que engloba um conjunto de etapas metódicas. A etapa de seleção de estudos é uma das várias etapas da revisão sistemática, e envolve uma fase preliminar em que são analisados abstracts das várias publicações. Neste trabalho, através da aplicação de técnicas de Text Mining, bem como o recurso a arquiteturas baseadas em Deep Learning, desenvolveu-se um modelo para classificação de frases de abstracts, em que as frases são categorizadas nas seguintes classes: Background, Objective, Methods, Results e Conclusions. Para o desenvolvimento do modelo de classificação foi adotada a metodologia CRISP-DM, pelo facto de contemplar as várias fases necessárias para tal. Visto que a maioria dos datasets deste tipo contêm apenas abstracts da área de medicina, decidiu-se criar um dataset de uma área científica distinta, sendo constituído apenas por abstracts da área de ciências da computação. Para tal, recorreu-se a inteligência coletiva e crowdsourcing, tendo sido desenvolvida uma plataforma web para suportar o processo de anotação de dados. Deste modo, o modelo de classificação foi treinado e avaliado em dois datasets distintos. Visto que o número de abstracts no dataset recolhido através de crowdsourcing é reduzido, decidiu-se também testar técnicas de aumento artificial de dados, de forma a determinar o seu impacto nos resultados. No caso da plataforma de crowdsourcing, foram introduzidos componentes de gamification, como pontos e badges, para incentivar a participação no processo de crowdsourcing. Além disso, o modelo desenvolvido para classificação de frases de abstracts foi integrado na plataforma web, possibilitando a utilização do modelo por parte de qualquer utilizador, independentemente do seu conhecimento técnico.
Author: Sérgio Gomes Pires Gonçalves
Institution: University of Minho
Language: Portuguese
Subfield: General Social Sciences
Field: Social Sciences
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W2948248404
