`

linguagem

` `

topico

` `

nome

`Mineração em texto`

` `

titulo

`Mineração em texto`

` `

descritor

`datamining, bigdata, credit scoring, mineração de texto
`

` `

lead

`Tarefas e técnicas apropriadas para implantação de uma estratégia para automatizar processo de triagem dos textos por assunto
  Valor obtido de textos`

` `

melhorar

``

` `

referencia

`Escola estúdio,
`

` `

referencia

`WDMining.html`

` `

origem

`WTextMining.xml`

` `

` `

topico

` `

titulo

`Definição`

` `

desc

` Para

• Cenário: Serviço de visualização / Organização de bases textuais
  
• Problema: Não consegue fazer triagem de muitos textos
  
• Solução: Automatizar  processo de triagem dos textos por assunto
• Estratégia: Agupar textos com assuntos semelhantes
  
• Base de dados: Textos e respectivas palavras-chave após normalização e reprocesssamento
  
• Descrição Resumida: Contém a frequencia de algumas palavras-chave de um certo conjunto de textos (aprox. 90 palavras-chave)
  

`

` `

` `

topico

` `

titulo

`Metadado`

` `

desc

`

Lay-out do banco de dados

Atributo	Tipo de Dado	Descrição de Domínio
Id_Texto	Quantitativo	Identificação do texto
Freq_Palavra_Chave1	Quantitativo	Freq de expressão ocorrida no texto
Freq_Palavra_Chave2	Quantitativo	Freq de expressão ocorrida no texto
Freq_Palavra_Chave3	Quantitativo	Freq de expressão ocorrida no texto.
Freq_Palavra_Chave4	Data	Freq de expressão ocorrida no texto.
...	...	....
Freq_Palavra_Chave90	Categórico	Resultado do crédito: cliente pagou, cliente não pagou

`

` `

` `

topico

` `

titulo

`Tarefas de KDD `

` `

desc

`

Tarefas que julgar mais apropriada(s) na implementação da estratégia de solução do problema:

• Segmentação

`

` `

` `

topico

` `

titulo

`Tecnicas de KDD`

` `

desc

` Tecnicas viáveis para executar (s) as tarefa (s) de KDD:

• Algoritimos de Cluster (eg. K-Means, Ward, etc)
  
• Redes Neurais - Kohonen
  

`

` `

` `

`