Variações do Método kNN e suas Aplicações na Classificação Automática de Textos Goiânia

31730 palavras 127 páginas
U NIVERSIDADE F EDERAL DE G OIÁS
I NSTITUTO DE I NFORMÁTICA
F ERNANDO C HAGAS S ANTOS

Variações do Método kNN e suas
Aplicações na Classificação Automática de Textos

Goiânia
2009

U NIVERSIDADE F EDERAL DE G OIÁS
I NSTITUTO DE I NFORMÁTICA

AUTORIZAÇÃO PARA P UBLICAÇÃO DE D ISSERTAÇÃO
EM

F ORMATO E LETRÔNICO

Na qualidade de titular dos direitos de autor, AUTORIZO o Instituto de Informática da Universidade Federal de Goiás – UFG a reproduzir, inclusive em outro formato ou mídia e através de armazenamento permanente ou temporário, bem como a publicar na rede mundial de computadores (Internet) e na biblioteca virtual da UFG, entendendo-se os termos “reproduzir” e “publicar” conforme definições dos incisos VI e I, respectivamente, do artigo 5o da Lei no 9610/98 de 10/02/1998, a obra abaixo especificada, sem que me seja devido pagamento a título de direitos autorais, desde que a reprodução e/ou publicação tenham a finalidade exclusiva de uso por quem a consulta, e a título de divulgação da produção acadêmica gerada pela Universidade, a partir desta data.
Título: Variações do Método kNN e suas Aplicações na Classificação Automática de
Textos
Autor(a): Fernando Chagas Santos

Goiânia, 01 de Outubro de 2009.

Fernando Chagas Santos – Autor

Dr. Cedric Luiz de Carvalho – Orientador

Dr. Thierson Couto Rosa – Co-Orientador

F ERNANDO C HAGAS S ANTOS

Variações do Método kNN e suas
Aplicações na Classificação Automática de Textos
Dissertação apresentada ao Programa de Pós–Graduação do
Instituto de Informática da Universidade Federal de Goiás, como requisito parcial para obtenção do título de Mestre em
Ciência da Computação.
Área de concentração: Sistemas de Informação.
Orientador: Prof. Dr. Cedric Luiz de Carvalho
Co-Orientador: Prof. Dr. Thierson Couto Rosa

Goiânia
2009

F ERNANDO C HAGAS S ANTOS

Variações do Método kNN e suas
Aplicações na Classificação Automática de Textos
Dissertação defendida no Programa de

Relacionados

  • METODOLOGIA PARA PREVISÃO DE DEMANDA FERROVIÁRIA UTILIZANDO DATA MINING
    53699 palavras | 215 páginas