Carga horária da disciplina: 4 horas/aula

Objetivos

Ementa

Classificação de texto; classificação em espaço vetorial; agrupamento; aprendizado de ranking; análise de links; sistemas de recomendação; análise de sentimento; coleta de dados Web; e aplicações de mineração na Web.

Conteúdo Programático

- Classificação de texto
        - Naive Bayes
        - SVM (Support Vector Machine)
- Classificação em espaço vetorial
        - Rocchio
        - kNN (k-Nearest Neighbors)
- Agrupamento
        - Agrupamento pleno
        - Agrupamento hierárquico
- Aprendizado de ranking
- Análise de links
- Sistemas de recomendação
        - Conceitos básicos
        - Filtragem colaborativa
- Análise de sentimento
- Coleta de dados Web
        - Coleta tradicional
        - Coleta temática
- Aplicações de mineração na Web
        - Integração de dados
        - Redes sociais
        - Ferramentas

Bibliografia

- LIU, Bing. Web data mining: exploring hyperlinks, contents, and usage data. New York: Springer, 2007.
- HAN, Jiawei; KAMBER, Micheline; PEI, Jian. Data mining: concepts and techniques. 3rd ed. Burlington, MA: Elsevier, 2012.
- CHAKRABARTI, Soumen. Mining the Web: discovering knowledge from hypertext data. San Francisco, CA: Morgan Kaufmann Publishers, 2003.

Bibliografia complementar

- BAEZA-YATES, Ricardo; RIBEIRO-NETO, Berthier. Modern information retrieval. New York: Addison Wesley, 2011.
- MANNING, Christopher D.; RAGHAVAN, Prabhakar; SCHUTZE, Hinrich. Introduction to information retrieval. New York: Cambridge University Press, 2008.
- TAN, Pang-Ning; STEINBACH, Michael; KUMAR, Vipin. Introdução ao data mining. Rio de Janeiro: Ciência Moderna, 2009.
- GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel Lopes. Data Mining: um guia prático: conceitos, técnicas, ferramentas, orientações e aplicações. Rio de Janeiro: Elsevier, Campus, 2005.
- ELMASRI, Ramez; NAVATHE, Sham. Sistemas de banco de dados. 6. ed. São Paulo: Pearson, Addison Wesley, 2011.