Proces i metody eksploracji danych tekstowych do przetwarzania raportów z akcji ratowniczo-gaśniczych

Mirończuk, M.; Maciak, T.

Artykuł - szczegóły

Tytuł artykułu

Proces i metody eksploracji danych tekstowych do przetwarzania raportów z akcji ratowniczo-gaśniczych

Autorzy

Mirończuk M. , Maciak T.

Identyfikatory

Warianty tytułu

Języki publikacji

Abstrakty

This paper describes the process for processing reports from rescue and firefighting. To reports processing methods and techniques used in the field of textual data mining (text mining). This paper also presents the classification and analysis methods section of text which is considered a potential use in the proposed process.

Słowa kluczowe

przetwarzanie tekstów analiza tekstu wydobycie tekstu informacje informacje o wydobyciu klasyfikacja nagrody

text processing text analysis text mining information extraction sentence classification

Wydawca

Komisja Informatyki Polskiej Akademii Nauk, Oddział w Gdańsku

Czasopismo

Metody Informatyki Stosowanej

Rocznik

2011

Tom

nr 4

Strony

147--174

Opis fizyczny

Bibliogr. 78 poz., rys., tab.

Twórcy

autor

Mirończuk M.

autor

Maciak T.

Politechnika Białostocka, Wydział Elektryczny

Bibliografia

[1] Rozporządzenie Ministra Spraw Wewnętrznych i Administracji z dnia 29 grudnia 1999 r. w sprawie szczegółowych zasad organizacji krajowego systemu ratowniczogaśniczego. Dz.U.99.111.1311 § 34 pkt. 5 i 6.
[2] Abakus: System EWID99. [on-line] [dostęp: 1 maja 2009] Dostępny w Internecie: http://www.ewid.pl/?set=rozw_ewid&gr=roz.
[3] Abakus: System EWIDSTAT. [on-line] [dostęp: 1 maja 2009] Dostępny w Internecie: http://www.ewid.pl/?set=ewidstat&gr=prod.
[4] Strona firmy abakus. [on-line] [dostęp: 1 marca 2009] Dostępny w Internecie: http://www.ewid.pl/?set=main&gr=aba.
[5] Kozłowski J., Neuman Ł. Wspomaganie wyszukiwania dokumentów mapami samoorganizującymi. [Wrocław]: III Krajowa Konferencja MISSI 2002, 19-20 września - „Multimedialne i Sieciowe Systemy Informacyjne”, 2002. [dostęp: 10 czerwca 2009] Dostępny w Internecie: http://www.zsi.pwr.wroc.pl/zsi/missi2002/pdf/s507.pdf.
[6] Krasuski A., Maciak T. Wykorzystanie rozproszonej bazy danych oraz wnioskowania na podstawie przypadków w procesach decyzyjnych Państwowej Straży Pożarnej. Zeszyty Naukowe SGSP, No 36, 2008, s. 17-35.
[7] Mirończuk M., Maciak T. Problematyka projektowania modelu hybrydowego systemu wspomagania decyzji dla Państwowej Straży Pożarnej. Zeszyty Naukowe SGSP, No 39, 2009.
[8] Kempa A. Zastosowanie rozszerzonej metodologii wnioskowania na podstawie przypadków - textual cbr w pracy z dokumentami tekstowymi. Katowice: Systemy Wspomagania Organizacji, 2005. [dostęp: 1 stycznia 2008] Dostępny w Internecie: http://www.swo.ae.katowice.pl/content/view/221/32/.
[9] Zhou N., Cheng H., Chen H., Xiao S. The Framework of Text-Driven Business Intelligence. Wireless Communications, Networking and Mobile Computing, WiCom 2007 International Conference, 2007.
[10] Mykowiecka A. Inżynieria lingwistyczna. Komputerowe przetwarzanie tekstów w języku naturalnym. Warszawa: PJWSTK, 2007.
[11] Mirończuk M. Zmodyfikowana analiza FMEA z elementami SFTA w projektowaniu systemu wyszukiwania informacji na temat obiektów hydrotechnicznych w nierelacyjnym katalogowym rejestrze. Studia Informatica, No 2, 2011.
[12] Paul F., Fearzana H., Enid H. The efficacy of the 'mind map' study technique. Medical Education, 2002. s. 426-431.
[13] FreeMind - free mind mapping software. [dostęp: 12 lipca 2011] Dostępny w Internecie: http://freemind.sourceforge.net/wiki/index.php/Main_Page.
[14] Mirończuk M. Systemy zarządzania bazą danych i architektura agentowa w służbach ratowniczych Państwowej Straży Pożarnej. CNBOP „Bezpieczeństwo i Technika Pożarnicza”, No 1, 2011.
[15] Doctrine MongoDB Object Document Mapper. [dostęp: 1 stycznia 2010] Dostępny w Internecie: http://www.doctrine-project.org/blog/doctrine-mongodb-object-documentmapper.
[16] Hibernate. [dostęp: 10 marca 2011] Dostępny w Internecie: http://www.hibernate.org.
[17] Wolff K. E. A first course in formal concept analysis. [dostęp: 22 grudnia 2009] Dostępny w Internecie: http://www.fbmn.fh-darmstadt.de/ home/wolff/Publikationen /A_First_Course_in_Formal_Concept_Analysis.pdf.
[18] Patil P. Applying Formal Concept Analysis to Object Oriented Design and Refactoring. Bombay: Department Of Computer Science and Engineering Indian Institute Of Technology, 2009.
[19] Priss U. Formal concept analysis in information science. Annual review of information science and technology, No 40, 2006, s. 521-543.
[20] Hwang S. H., Kim H. G., Yang H. S. A FCA-Based Ontology Construction for the Design of Class Hierarchy. In: Gervasi O., Gavrilova M., Kumar V., Lagana A., Lee H., Mun Y., et al., editors. Computational Science and Its Applications . ICCSA 2005: Springer Berlin/Heidelberg, 2005. s. 307-320.
[21] Carpineto C., Romano G. Using Concept Lattices for Text Retrieval and Mining. In: Ganter B., Stumme G., Wille R., editors. Formal Concept Analysis: Springer Berlin /Heidelberg, 2005. s. 3-45.
[22] Maedche A., Staab S. Mining Ontologies from Text. Proceedings of the 12th European Workshop on Knowledge Acquisition, Modeling and Management, 2000.
[23] Brewster C., Jupp S., Luciano J., Shotton D., Stevens R., Zhang Z. Issues in learning an ontology from text. BMC Bioinformatics, No 10, 2009, s. 25-29.
[24] Jiang G., Ogasawara K., Endoh A., Sakurai T. Context-based ontology building suport in clinical domains using formal concept analysis. International Journal of Medical Informatics, No 71, 2003, s. 71-81.
[25] Radvansky M. Formal concept analyse. [dostęp: 1 maja 2011] Dostępny w Internecie: http://www.fca.radvansky.net/news.php.
[26] Moens M. F. Information Extraction: Algorithms and Prospects in a Retrieval Context (The Information Retrieval Series). Springer, 2006.
[27] Feldman R., Dagan I., Hirsh H. Mining Text Using Keyword Distributions. Journal of Intelligent Information Systems, No 10, 1998.
[28] Witten I. H., Don K. J., Dewsnip M., Tablan V. Text mining in a digital library. International Journal on Digital Libraries, No 4, 2004, s. 56-59.
[29] Maciołek P., Dobrowolski G. Propozycja metody klasyfikacji dokumentów w języku polskim. In: Grzech A., Juszczyszyn K., Kwaśnicka H., Nguyes N. T., editors. Inżynieria wiedzy i systemy ekspertowe. Warszawa: Akademicka oficyna wydawnicza EXIT, 2009.
[30] Chow T. W. S., Haijun Z., Rahman M. K. M. A new document representation using term frequency and vectorized graph connectionists with application to document retrieval. Expert Systems with Applications, No 36, 2009, s. 12023-12035.
[31] Schenker A., Kandel A., Bunke H., Last M. Graph-Theoretic Techniques for Web Content Mining. World Scientific Publishing Co, 2005.
[32] Broda B. Mechanizmy grupowania dokumentów w automatycznej ekstrakcji sieci semantycznych dla języka polskiego. Wydział Informatyki i Zarządzania. Wrocław: Politechnika Wrocławska, 2007.
[33] Hand D., Mannila H., Smith P. Eksploracja danych. Wydanie 1. Warszawa: Wydawnictwo Naukowo-Techniczne, 2005.
[34] Morzy M., Królikowski Z. Metody indeksowania atrybutów zawierających zbiory. Pro Dialog, No 15, 2003, s. 87-106.
[35] Dudczak A. Zastosowanie wybranych metod eksploracji danych do tworzenia streszczeń tekstów prasowych dla języka polskiego. Wydział Informatyki i Zarządzania Instytut Informatyki. Poznań: Politechnika Poznańska 2007.
[36] Goldszmidt M., Sahami M. A Probabilistic Approach to Full-Text Document Clustering. 1998.
[37] Singhal A., Buckley C., Mitra M., Mitra A. Pivoted Document Length Normalization. ACM Press, 1996, s. 21-29.
[38] Robertson S. E., Walker S., Jones S., Hancock-Beaulieu M. M., Gatford M. Okapi at TREC-3. 1996, s. 109-126.
[39] Lin D. Using syntactic dependency as local context to resolve word sense ambiguity. [Madrid, Spain]: Annual Meeting of the ACL Proceedings of the 35th Annual Meeting of the Association for Computational Linguistics and Eighth Conference of the European Chapter of the Association for Computational Linguistics, 1997.
[40] Matsuo Y., Ishizuka M. Keyword Extraction From A Single Document Using Word Co-Occurrence Statistical Information. International Journal on Artificial Intelligence Tools, No 13, 2004, s. 157-169.
[41] Borycki Ł., Sołdacki P. Automatyczna klasyfikacja tekstów. [Wrocław]: III Krajowa Konferencja MISSI 2002, 19-20 września - „Multimedialne i Sieciowe Systemy Informacyjne”, 2002. [dostęp: 10 czerwca 2009] Dostępny w Internecie: http://www.zsi.pwr.wroc.pl/zsi/missi2002/pdf/s504.pdf.
[42] Neumann G., Piskorski J. A Shallow Text Processing Core Engine. Computational Intelligence, No 18, 2002, s. 451-476.
[43] Praca zbiorowa Wikipedia. Full text search. [dostęp: 10 czerwca 2009] Dostępny w Internecie: http://en.wikipedia.org/wiki/Full_text_search.
[44] Bikel D. M., Schwartz R., Weischedel R. M. An Algorithm that Learns What's in a Name. Machne Learning, 1999, s. 211-231.
[45] McNamee P. Language identification: a solved problem suitable for undergraduate instruction. Journal of Computing Sciences in Colleges, No 20, 2005, s. 94-101
[46] He X., Yang M., Gao J., Nguyen P., Moore R. Improved Monolingual Hypothesis Alignment for Machine Translation System Combination. No 8, 2009, s. 1-19.
[47] Feng Y., Liu Y., Mi H., Liu Q., Lü Y. Lattice-based system combination for statistical machine translation. [Singapore]: Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, Volume 3, 2009.
[48] He X., Toutanova K. Joint optimization for machine translation system combination. [Singapore]: Proceedings of the 2009 Conference on Empirical Methods in Natural Language Processing, Volume 3, 2009.
[49] Dasgupta A., Drineas P., Harb B., Josifovski V., Mahoney M. W. Feature selection methods for text classification. [San Jose, California, USA]: Proceedings of the 13th ACM SIGKDD international conference on Knowledge discovery and data mining, 2007.
[50] Li S., Xia R., Zong C., Huang C. R. A framework of feature selection methods for text categorization. [Suntec, Singapore]: Proceedings of the Joint Conference of the 47th Annual Meeting of the ACL and the 4th International Joint Conference on Natural Language Processing of the AFNLP, Volume 2, 2009.
[51] Karlgren J., Sahlgren M. From Words to Understanding. 2001. [dostęp: 10 stycznia 2010] Dostępny w Internecie: http://www.sics.se/~mange/papers/KarlgrenSahlgren2001.pdf.
[52] Liu H., Yu L. Toward integrating feature selection algorithms for classification and clustering. Knowledge and Data Engineering, IEEE Transactions, No 17, 2005, s. 491-502.
[53] Guyon I., Elisseeff A. Introduction to Feature Extraction. Studies in Fuzziness and Soft Computing. Berlin/Heidelberg: Springer 2006.
[54] Torkkola K. Feature extraction by non parametric mutual information maximization. The Journal of Machine Learning Research, No 3, 2003, s. 1415-1438
[55] Pal S. K., Mitra P. Pattern Recognition Algorithms for Data Mining Scalability, Knowledge Discovery and Soft Granular Computing. London New York Washington, D.C.: Chapman & Hall , 2004.
[56] Praca zbiorowa JMLR Special Issue on Variable and Feature Selection. [dostęp: 5 stycznia 2010] Dostępny w Internecie: http://jmlr.csail.mit.edu/papers/special/feature03.html.
[57] Deerwester S., Dumais S. T., Furnas G. W., Landauer T. K., Harshman R. Indexing by latent semantic analysis. Journal of the American Society for Information Science, No 41, 1990, s. 391-407.
[58] Kozłowski M. Systemy uczące się - studium problemów. Warszawa: Politechnika Warszawska, Wydział Elektroniki i Technik Informacyjnych. [dostęp: 12 stycznia 2010] Dostępny w Internecie: http://home.elka.pw.edu.pl/~mkozlow3/artykuly/M.Kozlowski.pdf.
[59] Tuv E. Ensemble Learning. In: Guyon I., Gunn S., Nikravesh M., Zadeh L. A., editors. Feature Extraction: Foundations and Applications (Studies in Fuzziness and Soft Computing) (Hardcover): Springer, 2006.
[60] Baeza-Yates R., Ribeiro-Neto B. Modern Information Retrieval. Boston: Addison-Wesley Longman Publishing, 1999.
[61] Manning C. D., Raghavan P., Schtze H. Introduction to Information Retrieval. Cambridge University Press India, 2008.
[62] Song F., Liu S., Yang J. A comparative study on text representation schemes in text categorization. Pattern Analysis & Applications, No 8, 2005, s. 199-209
[63] Weigend A. S., Wiener E. D., Pedersen J. O. Exploiting Hierarchy in Text Categorization. Information Retrieval, No 1, 1999.
[64] Yang Y., Liu X. A re-examination of text categorization methods. [New York]: ACM SIGIR Conference of Research and Development in Information Retrieval, 1998.
[65] Łażewski Ł., Pikuła M., Siemion A., Szklarzewski M. Klasyfikacja dokumentów tekstowych. Warszawa: PJWSTK 2005. Dostępny w Internecie: http://www.scribd.com/doc/2242106/Klasyfikacja-dokumentow-tekstowych.
[66] Agarwal S., Yu H. Automatically classifying sentences in full-text biomedical articles into Introduction, Methods, Results and Discussion. Bioinformatics, No 25, 2009, s. 3174-3180.
[67] Sebastiani F. Machine learning in automated text categorization. ACM Comput Surv, No 34, 2002, s. 1-47.
[68] Aas K., Eikvil L. Text Categorisation: A Survey. Technical Report, Norwegian Computing Center, 1999.
[69] Weiss S., White B., Apte C., Weiss S. M., White B. F., Apte V. Lightweight Document Clustering. 2000.
[70] Domeniconi C., Gunopulos D., Ma S., Papadopoulos D., Yan B. Locally adaptive metrics for clustering high dimensional data. Data Mining and Knowledge Discovery, No 1, 2006, s. 63-97.
[71] Solka J. L. Text Data Mining: Theory and Methods. Statistic Survey.
[72] Everitt B. S., Landau S., Leese M. Cluster Analysis. 2001.
[73] Kohonen T. Self-Organizing Maps. In: Sciences S.S.i.I., editor. Wydanie 3. Berlin: Springer, 2001.
[74] Dempster A. P., Laird N. M., Rdin D. B. Maximum Likelihood from Incomplete Data via the EM Algorithm. Journal of the Royal Statistical Society, No 39, 1977, s. 1-38.
[75] Rutkowski L. Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowe PWN, 2005.
[76] Lula P. Text mining jako narzędzie pozyskiwania informacji z dokumentów tekstowych. StatSoft, 2005.
[77] Friedman V. Data Visualization: Modern Approaches. [dostęp: 29 grudnia 2009] Dostępny w Internecie: http://www.smashingmagazine.com/2007/08/02/datavisualization-modern-approaches/.
[78] Piwowar K. Wizualizacja danych a ich używalność – czyli pokazać to tak, aby inni to zrozumieli. [dostęp: 29 grudnia 2009] Dostępny w Internecie: http://interaktywnie.com/biznes/blog-ekspercki/blogi/wizualizacja-danych-a-ichuzywalnosc-8211-czyli-pokazac-to-tak-aby-inni-to-zrozumieli-384.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-BPS3-0022-0089