Pesquisa e Publicação de Informação

Objectivos

Esta unidade curricular compreende dois módulos fundamentais e interligados: a pesquisa e a publicação de informação, no contexto da actual era digital. Numa primeira fase serão abordados os conceitos fundamentais de representação de informação utilizando linguagens de marcação (XML) e suas aplicações no intercâmbio e publicação de informação digital. Neste módulo os alunos deverão adquirir a capacidade de definir linguagens de marcação sob medida para fins específicos, bem como o seu processamento, envolvendo a validação e transformação documental para partilha/publicação. Numa segunda fase serão abordados os temas gerais da pesquisa de informação (Information Retrieval - (IR)) com especial ênfase nas tecnologias de construção de motores de pesquisa em colecções documentais textuais que poderão estar hiperligadas, tal como na World Wilde Web. Estas tecnologias envolvem modelos e algoritmos de indexação e pesquisa de informação relevante.

Aulas Teóricas

• 2012/02/23 — Apresentação e definição das condições gerais de funcionamento da UC. Critérios de Avaliação. Programa. Motivações e objetivos gerais da UC. Definição e noções gerais de pesquisa de informação.
  
• 2012/03/01 — Publicação de Informação com linguagens de marcação: SGML, XML, XHTML. Validação de documentos XML utilizando DTD e XSD. Estilização de documentos XML com XSL. A linguagem de transformação XSL. Apresentação de múltiplos exemplos envolvendo estas tecnologias. [PDF]
• 2012/03/08 — Noções gerais e arquitectura de um sistema de Pesquisa de Informação. Pesquisa de Informação na World Wide Web; Áreas relacionadas e história da Pesquisa de Informação. [PDF]
• 2012/03/15 — Modelos de recuperação de informação. O modelo booleano e o modelo de espaço vectorial. [PDF]
• 2012/03/29 — O modelo de Espaço Vectorial (MEV) como representação documental. A função CosSim(u,v) para computação de proximidade documental. Alguns detalhes de implementação. Implementação ingénua (naïve) para a indexação inversa em MEV. Introdução de noções relacionadas com a indexação eficiente no MEV: Dicionário e correspondentes listas de posting. [PDF]
• 2012/04/12 — Implementação eficiente para indexação de documentos. Criação de um índice invertido para a indexação de documentos. [PDF]

Elementos Práticos

• 2012/02/28 — Implementação de uma classe em linguagem Java para o cálculo de estatísticas elementares. Exemplo de utilização [aqui].
• 2012/03/06 — Realização de um exercício envolvendo o processamento de documentos de texto. Pretende-se que sejam calculadas estatísticas elementares de corpora, para serem aplicadas em exercícios e trabalhos posteriores de pesquisa de informação. Vamos trabalhar com o corpus "pubcorp" que é um extrato de notícias do jornal "Público", do ano de 1994, e subconjunto do corpus "CHAVEPublico", disponibilizado pela Linguateca. O pubcorp compreende notícias relativas a 10 dias consecutivos. Pode descarregar o recurso aqui: [link]. Para facilitar a manipulação de ficheiros são disponibilizadas algumas classes [link].
• 2012/03/20 — Recurso para contagem de tempos de processamento [CronoSensor.java].
• 2012/05/15 — Documentos "Time 1960" — Conjunto de dados para serem utilizados no trabalho prático: [link].

Recursos Relevantes

• Documentação Técnica: [API do Java].
• Um livro sobre Pesquisa de Informação, dísponível on-line: [aqui]

Bibliografia

Pesquisa de Informação

1. D. A. Grossman, O. Frieder, Information Retrieval Algorithms and Heuristics, Kluwer, Boston, 1998, ISBN: 0-7923-8271-4
2. R. Baeza-Yates & B. Ribeiro-Neto, Modern Information Retrieval, Addison Wesley, New York, 1999, ISBN: 0-201-39829-X
3. M. Crochemore & W. Rytter, Jewels of Stringology, World Scientific Pub Co, 2002, ISBN: 9810247826
4. D. Jurafsky et al, Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics and Speech Recognition, Prentice Hall, 2000, ISBN: 0130950696
5. R. Mitkov, The Oxford Handbook of Computational Linguistics, Oxford University Press, 2003, ISBN: 0-19-823882-7
6. C.D. Manning & H. Schütze, Foundations of Statistical Natural Language Processing, MIT Press, 1999, ISBN: 0262133601
7. R. Dale et al., Handbook of Natural Language Processing, Dekker, 2000, ISBN:0-8247-9000-6

Publicação Digital

1. Elliotte Rusty Harold, W. Scott Means, XML in a Nutshell, O'Reilly 2004, ISBN 0-596-00764-7
2. Sal Mangano, XSLT Cookbook, Second Edition, O'Reilly 2006, ISBN 0-596-00974-7
3. Dave Pawson, XSL-FO - Making XML Look Good in Print, O'Reilly 2002, ISBN 0-596-00355-2