Uma arquitetura para descoberta de conhecimento a partir de bases textuais

Abstract

Atualmente, o volume de informação gerado aumenta exponencialmente, sendo que uma parcela significativa das informações encontra-se em formato textual. A partir desse formato é possível extrair determinados conhecimentos. Entretanto, face ao grande volume de informações disponíveis, seja na web ou mesmo nas organizações, tal tarefa constitui-se como um desafio computacional. Superado os obstáculos, o conhecimento obtido através de informações textuais pode ser utilizado na tomada de decisão com o intuito de gerar vantagem competitiva. Um dos meios de se extrair conhecimento é através da utilização do processo de Descoberta de Conhecimento em Bases de Dados e, no caso de informações textuais, através do processo de Descoberta de Conhecimento em Textos. De maneira geral, os processos de descoberta de conhecimento tradicionais são custosos quando aplicados em grandes coleções de documentos, por exemplo, a web. Com este pressuposto é proposto neste trabalho uma arquitetura para descoberta de conhecimento a partir de bases textuais almejando sua utilização em grandes fontes de informação. Para atingir este objetivo, a proposta utiliza, além da computação distribuída visando o aumento de desempenho, um modelo com base no conceito de correlação rápida. A demonstração de viabilidade é realizada através de um protótipo que implementa a arquitetura proposta. O protótipo tem a capacidade de gerar informações que relacionam padrões textuais (termos) e de permitir uma visão da evolução temporal em determinado domínio de problema. A aplicação do protótipo em um cenário possibilitou demonstrar que a arquitetura proposta é capaz de obter resultados consistentes e satisfatórios, tanto para o entendimento de determinado domínio, quanto para a análise de grandes bases textuais.