Título:	Identificação de Pontos Perceptualmente Importantes (PIP) em séries temporais de tópicos extraídos de dados textuais.
Autoria:	RODRIGUES, L. S. SINOARA, R. A. REZENDE, S. O. MARCACINI, R. M. MOURA, M. F.
Afiliação:	LUCAS SANTIAGO RODRIGUES, UFMS; ROBERTA AKEMI SINOARA, ICMC-USP; SOLANGE OLIVEIRA REZENDE, ICMC/USP; RICARDO MARCONDES MARCACINI, UFMS; MARIA FERNANDA MOURA, CNPTIA.
Ano de publicação:	2015
Referência:	In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPECUÁRIA, 11., 2015, Campinas. Resumos expandidos... Brasília, DF: Embrapa, 2015.
Páginas:	p. 38-44.
Conteúdo:	Neste trabalho é apresentado um módulo computacional denominado PIPC (PIP Classification) que permite identificar Pontos Perceptualmente Importantes (PIP) em séries temporais. O módulo foi desenvolvido para apoiar o projeto Compilação e Recuperação de Informações Técnico-científicas e Indução ao Conhecimento (CRITIC@), permitindo identificar os pontos relevantes da evolução temporal de um tópico extraído dos textos, identificar documentos textuais que possam auxiliar a interpretar tais pontos, bem como classificar a formação de próximos PIPs nas séries temporais. Foram realizados testes do módulo a partir de notícias sobre produção de milho no Brasil, e os resultados preliminares de avaliação do módulo são promissores.
NAL Thesaurus:	Time series analysis
Palavras-chave:	Séries temporais Extração de tópicos Classificação
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPTIA)