Resumo O objetivo deste estudo é analisar como técnicas de mineração de textos aplicadas em documentos textuais da investigação policial brasileira pode promover descoberta de conhecimento. A pesquisa coletou documentos da investigação policial e submeteu ao processo de mineração de textos. O estudo utilizou as técnicas de case folding, tokenização, stopwords personalizada, bag of words e TF-IDF para extrair resultados em n-grams. Os resultados foram apresentados com word clouds. Na pesquisa foi usado o k-means para clusterizar os conjuntos de trigramas, identificando em cada clusters os termos mais representativos dos clusters. O uso de técnicas de mineração de texto sobre esses documentos teve como propósito a extração de conhecimento não trivial. As técnicas de mineração de texto, ou descoberta de conhecimento em base de dados textual, tem a finalidade de descobrir padrões não observáveis quando analisados por manipulação humana de grande volume de documentos. Os resultados encontrados favoreceram a descoberta de conhecimentos na identificação de entidades e conexões, como também categorias temáticas da investigação.

Abstract The aim of this study is to analyze how text mining techniques applied to textual documents of Brazilian police investigation can promote knowledge discovery. The research collected documents from the police investigation and submitted them to the text mining process. The study used the techniques of case folding, tokenization, custom stopwords, bag of words and TF-IDF in order to extract results in n- grams. The results were presented with word clouds. In the research, k-means were used to cluster the sets of trigrams, identifying in each clusters the most representative terms of the clusters. The use of text mining techniques on these documents was intended to extract non-trivial knowledge. The techniques of text mining, or discovery of knowledge in a textual database, have the purpose of discovering unobservable patterns when analyzed by human manipulation of large volumes of documents. The results found favored the discovery of knowledge in the identification of entities and connections, as well as thematic categories of the investigation.

Resumen El objetivo de este estudio es analizar cómo las técnicas de minería de textos aplicadas a documentos textuales de la investigación policial brasileña pueden promover el descubrimiento de conocimiento. La investigación recopiló documentos de la investigación policial y los sometió al proceso de minería de textos. El estudio utilizó las técnicas de plegado de casos, tokenización, palabras vacías personalizadas, bolsa de palabras y TF-IDF para extraer los resultados en n- gramas. Los resultados se presentaron con nubes de palabras. En la investigación, se utilizaron k-medias para agrupar los conjuntos de trigramas, identificando en cada grupo los términos más representativos de los grupos. El uso de técnicas de minería de textos en estos documentos tenía como objetivo extraer conocimientos no triviales. Las técnicas de minería de texto, o descubrimiento de conocimiento en una base de datos textual, tienen el propósito de descubrir patrones inobservables cuando se analizan mediante manipulación humana de grandes volúmenes de documentos. Los resultados encontrados favorecieron el descubrimiento de conocimientos en la identificación de entidades y conexiones, así como categorías temáticas de la investigación.

Abstract: The machine learning techniques are still extensively used for text mining. In this paper, there was a literature review of scientific journals published in the years 2010 and 2011, with the aim of identifying the main machine learning techniques utilized for text mining. It was possible to use descriptive and statistical techniques to organize, summarize and analyze the found data, and also, there is a shortened description of the main techniques found. Thirteen learning techniques applied to text mining appeared in the articles analyzed and 83% of the papers mentioned from 1 to 3 machine learning techniques. The main techniques used by the authors in the papers studied were support vector machine (SVM), k-means (K-M), k-nearest neighbors (K-NN), naive bayes (NB), self-organizing maps (SOM). Pairs of techniques that appear most frequently are SVM/NB, SVM/K-NN, SVM/Decision Tree and NB/K-NN.

Resumen: Las técnicas de aprendizaje de máquina continúan siendo muy utilizadas para la minería de texto. Para este artículo se realizó una revisión de literatura en periódicos científicos publicados en los años de 2010 y 2011, con el objetivo de identificar las principales formas de aprendizaje de máquina empleadas para la minería de texto. Se utilizó estadística descriptiva para organizar, resumir y analizar los datos encontrados, y se presentó una descripción resumida de las principales encontradas. En los artículos analizados se hallaron 13 aplicadas para la minería de texto, el 83% de los artículos mencionaban de 1 a 3 técnicas de aprendizaje de máquina, las principales usadas por los autores en los artículos estudiados fueron support vector machine (SVM), k-means (K-M), k-nearest neighbors (K-NN), naive bayes (NB), self-organizing maps (SOM). Los pares que aparecen con mayor frecuencia son SVM/NB, SVM/K-NN, SVM/decission tree.

Resumo O artigo apresenta aspectos da diversidade terminológica relacionada à Inteligência de Negócios e Inteligência Competitiva na produção científica da área da Ciência da Informação brasileira, caracterizando ocorrências de polissemia e sinonímia, e, buscando contribuir para redução da ambiguidade do campo conceitual da área. Foram analisados 29 artigos de 101 encontrados na base BRAPCI. Desses artigos foram extraídos 40 conceitos, os quais foram submetidos à análise, conforme: a) os termos e conceitos de referência, b) as categorias Processo, Função, Produto ou Tecnologia e, c) associação de autores por conceito de referência. Os resultados mostram que: a) se confirma a existência dos fenômenos de polissemia e sinonímia, b) embora o termo Inteligência Competitiva tenha sido predominantemente adotado pelos autores, ele se apresenta com uma ampla variedade de conceitos, c) predominância da categoria processo, d) dispersão de sentidos na análise cronológica, não sobressaindo predominância de um ou outro conceito referencial e, e) categoria tecnologia apresenta-se concentrada nas publicações entre 1999 e 2001. Conclui que, tendo em vista a fragilidade terminológica constatada por esta pesquisa, deve-se aprofundar a análise desses termos e conceitos verificando o seu comportamento em áreas afins a aqui estudada, o que certamente mostraria outros aspectos da diversidade terminológica.

Abstract The article presents aspects of diversity terminology related to Business Intelligence and Competitive Intelligence in the scientific production of the Brazilian Information Science, characterizing occurrences of polysemy and synonymy and seeking to contribute to reducing the ambiguity of the conceptual field. We analyzed 29 articles of 101 found in BRAPCI basis. These articles were extracted from 40 concepts, which were submitted to analysis as a) the terms and concepts of reference, (b) the categories Process, Function, Product or Technology, and c) association of authors by concept of reference. The results show that: (a) confirm the existence of the phenomena of polysemy and synonymy, (b) although the term Competitive Intelligence has been predominantly adopted by the authors, (c) predominance of process category, (d) dispersion of senses in chronological analysis, not protruding predominance of one or the other concept referential and e) technology category is concentrated in publications between 1999 and 2001. It is concluded that, in view of the fragility terminology found in this survey, it should be a more in-depth analysis of these terms and concepts by checking its behavior in areas related to the studied here, which certainly would show other aspects of diversity terminology.