Mudanças entre as edições de "Resultados de Pesquisa"

Edição das 07h11min de 15 de fevereiro de 2008

Resultados do Corretor Ortográfico

Os resultados preliminares do corretor ortográfico.

Resultados do VS

Os resultados preliminares do classificador Vector Space (VS) são mostrados na tabela abaixo.

Tabela 1.8.1

Desempenho do VS com o **dicionario_completo+bh.csv** que foi obtido mesclando-se o dicionário_completo.csv e o dicionario_110_sub+bh.csv (para estes estes a tabela **dados_bh_110.csv** foi truncada em 14825 linhas). O tempo médio de execução para cada experimento foi de 16,8 minutos (tempo de treino + tempo de teste). O lexicon para este experimento foi criado retirando-se as classes gramaticais artigo, conjunção, contração, interjeição, preposição e pronome, sendo que para os experimentos 2.3.1.1 à 2.3.1.3, o lexicon é composto por ? palavras, já para os experimentos 2.3.1.4 à 2.3.1.8, o lexicon é composto por ?. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
EXP.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
EXP.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
1.8.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	290	99.07%
1.8.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	OBJETO_SOCIAL OBJETO_SOCIAL	0 a 3495 0 a 3280	SUBCLASSE	TF	290	42.70%
1.8.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	OBJETO_SOCIAL OBJETO_SOCIAL	1748 a 3495 1640 a 3280	SUBCLASSE	TF	290	43.32%
1.8.1.4	CNAE_110_SUBCLASSE DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL OBJETO_SOCIAL	0 a 1182 0 a 1747 0 a 1639	TF	art. prep.	20000	DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	OBJETO_SOCIAL OBJETO_SOCIAL	1748 a 3495 1640 a 3280	SUBCLASSE	TF	290	73.62%
1.8.1.5	CNAE_110_SUBCLASSE DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL OBJETO_SOCIAL	0 a 1182 0 a 1747 0 a 1639	TF	art. prep.	20000	DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	OBJETO_SOCIAL OBJETO_SOCIAL	1748 a 3495 1640 a 3280	CLASSE	TF	290	76.60%
1.8.1.6	CNAE_110_SUBCLASSE DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL OBJETO_SOCIAL	0 a 1182 0 a 1747 0 a 1639	TF	art. prep.	20000	DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	OBJETO_SOCIAL OBJETO_SOCIAL	1748 a 3495 1640 a 3280	GRUPO	TF	290	81.88%
1.8.1.7	CNAE_110_SUBCLASSE DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL OBJETO_SOCIAL	0 a 1182 0 a 1747 0 a 1639	TF	art. prep.	20000	DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	OBJETO_SOCIAL OBJETO_SOCIAL	1748 a 3495 1640 a 3280	DIVISÃO	TF	290	86.87%
1.8.1.8	CNAE_110_SUBCLASSE DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL OBJETO_SOCIAL	0 a 1182 0 a 1747 0 a 1639	TF	art. prep.	20000	DADOS_BH_SUB_110 DADOS_VITORIA_SUB_110	OBJETO_SOCIAL OBJETO_SOCIAL	1748 a 3495 1640 a 3280	SEÇÃO	TF	290	90.94%

Tabela 1.7.1

Desempenho do VS com o **dicionario_stop_stemm_accent_f2.csv**. Este dicionário foi gerado a partir das tabelas CNAE_110_SUBCLASSE (coluna descrição da subclasse) e DADOS_VITORIA_SUB_110 (coluna objeto social). Para a construção deste dicionário foram utilizados as seguintes filtragens (na ordem de apresentação): *remoção dos acentos*, *remoção das stop words* e por último a *remoção de plural*. O filtro utilizado foi implentado (em Java) por Patrick. O tamanho do dicionário obtido foi de 12795 palavras. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
EXP.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
EXP.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
1.7.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	268	100.00%
1.7.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	268	59.77%
1.7.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	268	63.38%
1.7.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	268	80.99%
1.7.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	268	82.45%
1.7.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	268	85.74%
1.7.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	268	90.62%
1.7.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	268	93.17%

Tabela 1.6.1

Desempenho do VS com o **dicionario_completo_corrigido.csv**. Este dicionário foi gerado a partir das tabelas CNAE_110_SUBCLASSE_CORRIGIDO (coluna descrição da subclasse) e DADOS_VITORIA_SUB_110_CORRIGIDO (coluna objeto social). O tempo médio de execução para cada experimento foi de 4.5 minutos (tempo de treino + tempo de teste). PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
EXP.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
EXP.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
1.6.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	278	99.07%
1.6.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	278	55.32%
1.6.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	278	58.74%
1.6.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	278	80.07%
1.6.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	278	83.36%
1.6.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	278	86.65%
1.6.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	278	90.07%
1.6.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	278	93.78%

Tabela 1.5.1

Desempenho do VS com o **dicionario_stop_stemm.csv**. Este dicionário foi gerado a partir das tabelas CNAE_110_SUBCLASSE (coluna descrição da subclasse) e DADOS_VITORIA_SUB_110 (coluna objeto social). Para a construção deste dicionário foram utilizados os seguintes filtros: *remoção de stop words* e *stemming*. O tamanho do dicionário obtido foi de 11737 palavras. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
EXP.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
EXP.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
1.5.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	268	99.49%
1.5.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	268	60.29%
1.5.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	268	63.56%
1.5.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	268	81.29%
1.5.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	268	83.42%
1.5.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	268	86.96%
1.5.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	268	90.62%
1.5.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	268	92.63%

Tabela 1.4.1

Desempenho do VS com o **dicionario_stop_stemm_accent.csv**. Este dicionário foi gerado a partir das tabelas CNAE_110_SUBCLASSE (coluna descrição da subclasse) e DADOS_VITORIA_SUB_110 (coluna objeto social). Para a construção deste dicionário também foi utilizado um stemmer (proposto na tese de mestrado de Maria Abadia Lacerda Dias e disponível em [1]) que empregou (na ordem de apresentação) as seguintes filtragens: *remoção de stop words*; *stemming*; retirada de acentos. O tamanho do dicionário obtido foi de 11550 palavras. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
EXP.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
EXP.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
1.4.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	268	99.49%
1.4.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	268	55.20%
1.4.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	268	58.20%
1.4.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	268	81.78%
1.4.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	268	83.97%
1.4.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	268	87.26%
1.4.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	268	91.16%
1.4.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	*	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	268	93.66%

Tabela 1.3.1

Desempenho do VS com o **dicionario_110_sub+bh.csv** e com **3496** atividades econômicas distintas (a tabela **dados_bh_110.csv** foi truncada em 14825 linhas). O lexicon para este experimento foi criado retirando-se as classes gramaticais artigo, conjunção, contração, interjeição, preposição e pronome, sendo que para os experimentos 2.3.1.1 à 2.3.1.3, o lexicon é composto por 1310 palavras, já para os experimentos 2.3.1.4 à 2.3.1.8, o lexicon é composto por 4517. O tempo médio de execução para cada experimento foi de 5,1 minutos (tempo de treino + tempo de teste). PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
EXP.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
EXP.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
1.3.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	253	98.31%
1.3.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	0 a 3495	SUBCLASSE	TF	253	24.57%
1.3.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SUBCLASSE	TF	253	22.92%
1.3.1.4	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SUBCLASSE	TF	253	63.69%
1.3.1.5	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	CLASSE	TF	253	67.55%
1.3.1.6	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	GRUPO	TF	253	74.51%
1.3.1.7	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	DIVISÃO	TF	253	81.46%
1.3.1.8	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SEÇÃO	TF	253	88.24%

Tabela 1.2.1

Desempenho do VS com o **DICIONÁRIO COMPLETO, que abrange cerca de 1,2 milhões de palavras**. Para os experimentos 1.2.1.1 à 1.2.1.3, o lexicon é composto por 1366 palavras. Já para os experimentos 1.2.1.4 à 1.2.1.8, o lexicon é composto por 3392 palavras. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
EXP.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
EXP.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
1.2.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	236	99.07%
1.2.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	236	53.76%
1.2.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	236	57.22%
1.2.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	236	81.66%
1.2.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	236	84.22%
1.2.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	236	87.51%
1.2.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	236	91.35%
1.2.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	236	93.78%

Tabela 1.1.1

Tabela 1.1: Desempenho do VS. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
EXP.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
EXP.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
1.1.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	78	99.15%
1.1.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	78	53.76%
1.1.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	78	57.22%
1.1.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	109	80.50%
1.1.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	122	82.57%
1.1.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	122	86.17%
1.1.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	122	89.64%
1.1.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	122	92.44%

Resultados do WNN

Os resultados preliminares do classificador Weightless Neural Network (WNN) são mostrados nas tabelas abaixo.

Tabela 2.6.2

Desempenho do WNN com o **dicionario_completo_corrigido.csv.** PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 2.6.2.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
2.6.2.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TFIDF		%
2.6.2.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TFIDF		%
2.6.2.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TFIDF		%
2.6.2.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TFIDF		%
2.6.2.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TFIDF		%
2.6.2.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TFIDF		%
2.6.2.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TFIDF		%
2.6.2.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TFIDF		%

Tabela 2.6.1

Desempenho do WNN com o **dicionario_completo_corrigido.csv**. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 2.6.1.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
2.6.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF		%
2.6.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF		%
2.6.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF		%
2.6.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF		%
2.6.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF		%
2.6.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF		%
2.6.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF		%
2.6.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF		%

Tabela 2.3.2

Desempenho do WNN com o **dicionario_110_sub+bh.csv** e com **3496** atividades econômicas distintas (a tabela **dados_bh_110.csv** foi truncada em 14825 linhas). O tempo médio de execução para cada experimento foi de 13,3 minutos (tempo de treino + tempo de teste). PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 2.3.2.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
2.3.2.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TFIDF		%
2.3.2.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	0 a 3495	SUBCLASSE	TFIDF		%
2.3.2.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SUBCLASSE	TFIDF		%
2.3.2.4	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SUBCLASSE	TFIDF		%
2.3.2.5	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	CLASSE	TFIDF		%
2.3.2.6	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	GRUPO	TFIDF		%
2.3.2.7	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	DIVISÃO	TFIDF		%
2.3.2.8	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SEÇÃO	TFIDF		%

Tabela 2.3.1

Desempenho do WNN com o **dicionario_110_sub+bh.csv** e com **3496** atividades econômicas distintas (a tabela **dados_bh_110.csv** foi truncada em 14825 linhas). O tempo médio de execução para cada experimento foi de 13,3 minutos (tempo de treino + tempo de teste). A rede neural é configurada com 14x14 neurônios. Para os experimentos 2.3.1.1 à 2.3.1.3, o lexicon é composto por 1319 palavras e a rede neural é configurada com uma imagem 37x36 e 512 sinapses. Já para os experimentos 2.3.1.4 à 2.3.1.8, o lexicon é composto por 4547 palavras e a rede neural é configurada com uma imagem 68x67 e 512 sinapses. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 2.3.1.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
2.3.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	258	98.14%
2.3.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	0 a 3495	SUBCLASSE	TF	258	28.95%
2.3.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SUBCLASSE	TF	258	29.70%
2.3.1.4	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SUBCLASSE	TF	258	57.25%
2.3.1.5	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	CLASSE	TF	258	62.75%
2.3.1.6	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	GRUPO	TF	258	68.67%
2.3.1.7	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	DIVISÃO	TF	258	74.16%
2.3.1.8	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SEÇÃO	TF	258	80.26%

Tabela 2.2.2

Desempenho do WNN com o **DICIONÁRIO COMPLETO, que abrange cerca de 1,2 milhões de palavras**. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 2.2.2.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
2.2.2.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TFIDF		%
2.2.2.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TFIDF		%
2.2.2.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TFIDF		%
2.2.2.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TFIDF		%
2.2.2.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TFIDF		%
2.2.2.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TFIDF		%
2.2.2.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TFIDF		%
2.2.2.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TFIDF		%

Tabela 2.2.1

Desempenho do WNN com o **DICIONÁRIO COMPLETO, que abrange cerca de 1,2 milhões de palavras**. A rede neural é configurada com 14x14 neurônios. Para os experimentos 2.2.1.1 à 2.2.1.3, o lexicon é composto por 1366 palavras e a rede neural é configurada com uma imagem 37x37 e 256 sinapses. Já para os experimentos 2.2.1.4 à 2.2.1.8, o lexicon é composto por 3392 palavras e a rede neural é configurada com uma imagem 59x58 e 512 sinapses. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 2.2.1.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
2.2.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	236	98.56%
2.2.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	236	63.03%
2.2.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	236	66.48%
2.2.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	236	72.70%
2.2.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	236	78.61%
2.2.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	236	84.16%
2.2.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	236	90.43%
2.2.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	236	92.69%

Tabela 2.1.2

Desempenho do WNN. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 2.1.2.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
2.1.2.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TFIDF		%
2.1.2.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TFIDF		%
2.1.2.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TFIDF		%
2.1.2.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TFIDF		%
2.1.2.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TFIDF		%
2.1.2.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TFIDF		%
2.1.2.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TFIDF		%
2.1.2.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TFIDF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TFIDF		%

Tabela 2.1.1

Desempenho do WNN. A rede neural é configurada com 14x14 neurônios. Para os experimentos 2.1.1.1 à 2.1.1.3, o lexicon é composto por 1367 palavras e a rede neural é configurada com uma imagem 37x37 e 256 sinapses. Já para os experimentos 2.1.1.4 à 2.1.1.8, o lexicon é composto por 1438 palavras e a rede neural é configurada com uma imagem 38x38 e 256 sinapses. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 2.1.1.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
2.1.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	78	98.48%
2.1.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	78	63.43%
2.1.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	78	66.48%
2.1.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	109	75.69%
2.1.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	122	79.59%
2.1.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	122	84.39%
2.1.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	122	88.90%
2.1.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	122	92.32%

Resultados do WNN-COR

Os resultados preliminares do classificador Weightless Neural Network with Data Correlation (WNN-COR) são mostrados na tabela abaixo.

Tabela 3.3.1

Desempenho do WNN_COR com o **dicionario_110_sub+bh.csv** e com **3496** atividades econômicas distintas (a tabela **dados_bh_110.csv** foi truncada em 14825 linhas). O tempo médio de execução para cada experimento foi de 12.3 minutos (tempo de treino + tempo de teste). PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
3.3.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	258	98.14%
3.3.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	0 a 3495	SUBCLASSE	TF	258	28.95%
3.3.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SUBCLASSE	TF	258	29.70%
3.3.1.4	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SUBCLASSE	TF	258	62.23%
3.3.1.5	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	CLASSE	TF	258	68.24%
3.3.1.6	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	GRUPO	TF	258	64.46%
3.3.1.7	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	DIVISÃO	TF	258	73.65%
3.3.1.8	CNAE_110_SUBCLASSE DADOS_BH_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 2330	TF	art. prep.	20000	DADOS_BH_SUB_110	OBJETO_SOCIAL	2331 a 3495	SEÇÃO	TF	258	76.31%

Tabela 3.2.1

Desempenho do **WNN_COR** com o **DICIONÁRIO COMPLETO, que abrange cerca de 1,2 milhões de palavras**. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 3.2.1.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
3.2.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	236	98.56%
3.2.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	236	63.24%
3.2.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	236	66.48%
3.2.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	236	77.82%
3.2.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	236	79.52%
3.2.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	236	79.52%
3.2.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	236	84.16%
3.2.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	236	86.59%

Tabela 3.1.1

Desempenho do WNN-COR. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (*term frequency (TF)*) ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (*inverse document frequency (TFIDF)*); CGD denota as classes gramaticais desconsideradas no *lexicon*; PFS denota a frequência acima da qual a palavra não é incluída no *lexicon*. Veja aqui os resultados dos experimentos de validação para o experimento 3.1.1.4 empregados para ajustar o número de neurônios e sinapses por neurônios.
Exp.	Dados de Treino						Dados de Teste					Revisão do SCAE	Desempenho (1 - one-error)
Exp.	Tabela	Coluna	Limites	PT	CGD	PFS	Tabela	Coluna	Limites	Nível	PT	Revisão do SCAE	Desempenho (1 - one-error)
3.1.1.1	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	SUBCLASSE	TF	110	98.65%
3.1.1.2	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	0 a 3280	SUBCLASSE	TF	110	63.87%
3.1.1.3	CNAE_110_SUBCLASSE	DESCRICAO_SUB	0 a 1182	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	110	66.48%
3.1.1.4	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SUBCLASSE	TF	110	80.18%
3.1.1.5	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	CLASSE	TF	122	81.59%
3.1.1.6	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	GRUPO	TF	122	84.94%
3.1.1.7	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	DIVISÃO	TF	122	90.43%
3.1.1.8	CNAE_110_SUBCLASSE DADOS_VITORIA_SUB_110	DESCRICAO_SUB OBJETO_SOCIAL	0 a 1182 0 a 1639	TF	art. prep.	10000	DADOS_VITORIA_SUB_110	OBJETO_SOCIAL	1640 a 3280	SEÇÃO	TF	122	93.29%

Experimentos removendo combinações de classes gramaticais

Os experimentos a seguir foram realizados utilizando o experimento 1.1.x.4 para o VS_CORE. O objetivo deste experimento é combinar diversas classes gramaticais para verificar qual combinação apresenta maior percentual de acerto. As classes gramaticais escolhidas foram:

Artigo;
Conjunção;
Contração;
Interjeição;
Preposição;
Pronome;

Os experimentos foram feitos tanto para o TF quanto para o TFIDF. As tabelas abaixo mostram o resultado dos experimentos realizados.

Considerando TF

Exp.	CLasses Removidas	Revisão do SCAE	Peso	Tamanho do Lexicon	Desempenho (1 - one-error)
1	Sem remover	271	TF	1456	77,57%
2	Artigo (art.)	271	TF	1453	78,00%
3	Conjunção (conj.)	271	TF	1453	76,84%
4	Contração (contr.)	271	TF	1446	77,82%
5	Interjeição (interj.)	271	TF	1455	77,57%
6	Preposição (prep.)	271	TF	1433	80,19%
7	Pronome (pron.)	271	TF	1446	77,57%
8	Artigo + Contração	271	TF	1443	78,12%
9	Artigo + Preposição	271	TF	1431	80,50%
10	Contração + Preposição	271	TF	1433	80,19%
11	Artigo + Contração + Preposição	271	TF	1431	80,50%
12	Artigo + Conjunção + Contração + Interjeição + Preposição + Pronome	271	TF	1421	84,22%

Considerando TFIDF

Exp.	CLasses Removidas	Revisão do SCAE	Peso	Tamanho do Lexicon	Desempenho (1 - one-error)
1	Sem remover	271	TFIDF	1456	84,16%
2	Artigo	271	TFIDF	1453	84.22%
3	Conjunção	271	TFIDF	1453	83,97%
4	Contração	271	TFIDF	1446	84,58%
5	Interjeição	271	TFIDF	1455	84,16%
6	Preposição	271	TFIDF	1433	85,31%
7	Pronome	271	TFIDF	1446	84,10%
8	Artigo + Contração	271	TFIDF	1443	84,64%
9	Artigo + Preposição	271	TFIDF	1431	84,83%
10	Contração + Preposição	271	TFIDF	1433	85,31%
11	Artigo + Contração + Preposição	271	TFIDF	1431	84,83%
12	Artigo + Conjunção + Contração + Interjeição + Preposição + Pronome	271	TFIDF	1421	84,52%

Como realizar os experimentos

Os experimentos são realizados considerando que o sistema SCAE esteja instalado. Para realizar os experimentos, siga os seguintes passos:

1. No diretório code/CORES/DB_CORE executar:

make clean
make

2. Construir as tabelas do DB_CORE. No diretório code/CORES/DB_CORE/ existem arquivos .bat para construir as tabelas do DB_CORE. Normalmente, esses arquivos começam com a palavra build. Para maiores esclarecimentos consulte Criando tabelas no DB_CORE.

Para os experimentos que correspondem à tabela CNAE_110_SUBCLASSE-DESCRICAO_SUB rodar o seguinte script:

./build_tables_subclasse_110.bat

Já para os experimentos que correspondem às tabelas CNAE_110_SUBCLASSE-DESCRICAO_SUB e DADOS_VITORIA_SUB_110-OBJETO_SOCIAL rodar o seguinte script

./build_tables_subclasse_110_sub+vit.bat

3. Em code/CORES/DB_CORE, inicializar o servidor DB_CORE:

./db_core init_server ports.cfg

4. No diretório scae/code/CORES/WNN_CORE ou scae/code/CORES/WNN_COR_CORE, editar o arquivo class_cnae.con e definir os valores ótimos para os parâmetros da rede (número de neurônios e sinapses por neurônio):

   const NL_WIDTH	= 12;
   const NL_HEIGHT	= 12;
   const SYNAPSES      = 512;

Neste exemplo, os parâmetros ótimos são 12x12 neurônios e 512 sinapses.

5. Mudar as categorias (atributo Níveis das tabelas) em cada código fonte para cada "core", quando necessário (default é SUBCLASSE):

Em code/CORES/VS_CORE

kdevelop vector_space.c &

Ou em code/CORES/WNN_CORE/class_cnae_user_functions

kdevelop class_cnae_user_functions.c &

Ou em code/CORES/WNN_COR_CORE/class_cnae_user_functions

kdevelop class_cnae_user_functions.c &

6. Experimentos:

6.1. Para realizar experimentos com o VS_CORE:

No diretório code/CORES/VS_CORE execute:

make clean
make
./vs_core

No diretório code/CORES/USER_INTERFACE execute o experimento, por exemplo:

./experiment_1.1.x.1_train.bat
./experiment_1.1.x.1_test.bat

6.2. Para realizar experimentos com o WNN_CORE:

No diretório code/CORES/WNN_CORE execute:

make clean
make
./wnn_core

No diretório code/CORES/USER_INTERFACE execute o experimento, por exemplo:

./experiment_2.1.x.1_train.bat
./experiment_2.1.x.1_test.bat

6.3. Para realizar experimentos com o WNN_COR_CORE:

No diretório code/CORES/WNN_COR_CORE execute:

make clean
make
./wnn_cor_core

No diretório code/CORES/USER_INTERFACE execute o experimento, por exemplo:

./experiment_3.1.x.1_train.bat
./experiment_3.1.x.1_test.bat

6.4. Para realizar os experimentos de validação com o WNN_COR_CORE (ou WNN_CORE), com o objetivo de ajustar o número de neurônios e sinapses por neurônios:

No diretório code/CORES/USER_INTERFACE, execute o script do experimento de validação:

 ./experiment_2.1.1.4.bat

Para gerar o gráfico do desempenho (1 - one-error) em função do número de neurônios e sinapses por neurônios, execute:

 awk '{if ($1=="NL_WIDTH=")printf("%s %s %s ",$2,$4,$6); if ($13=="HIT")printf("%s\n",$16)}' experiment_2.1.1.4.out > experiment_2.1.1.4.dat
 gnuplot experiment_2.1.1.4.gp

O gráfico será gerado no arquivo experiment_2.1.1.4.eps.

Para listar os parâmetros em ordem decrescente de desempenho, execute:

 sed 's/\./,/'  experiment_2.1.1.4.dat | sort -n -r -k 4,4 | awk '{printf("* %ix%i neurônios e %i sinapses (%.2f%)\n", $1, $2, $3, $4)}'

@@ Linha 12: / Linha 12: @@
 ----
 {| border=1 align="center"
-|+ <p align=justify>Desempenho do VS com o <b>dicionario_completo+bh.csv</b> que foi obtido mesclando-se o dicionário_completo.csv e o dicionario_110_sub+bh.csv (para estes estes a tabela <b>dados_bh_110.csv</b> foi truncada em 14825 linhas). O tempo médio de execução para cada experimento foi de 16,8 minutos (tempo de treino + tempo de teste). Para os experimentos 2.3.1.1 à 2.3.1.3, o lexicon é composto por 1365 palavras, já para os experimentos 2.3.1.4 à 2.3.1.8, o lexicon é composto por 5769. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (''term frequency (TF)'') ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (''inverse document frequency (TFIDF)''); CGD denota as classes gramaticais desconsideradas no ''lexicon''; PFS denota a frequência acima da qual a palavra não é incluída no ''lexicon''.</p>
+|+ <p align=justify>Desempenho do VS com o <b>dicionario_completo+bh.csv</b> que foi obtido mesclando-se o dicionário_completo.csv e o dicionario_110_sub+bh.csv (para estes estes a tabela <b>dados_bh_110.csv</b> foi truncada em 14825 linhas). O tempo médio de execução para cada experimento foi de 16,8 minutos (tempo de treino + tempo de teste). O lexicon para este experimento foi criado retirando-se as classes gramaticais artigo, conjunção, contração, interjeição, preposição e pronome, sendo que para os experimentos 2.3.1.1 à 2.3.1.3, o lexicon é composto por <b>?</b> palavras, já para os experimentos 2.3.1.4 à 2.3.1.8, o lexicon é composto por <b>?</b>. PT denota a função para o cálculo dos pesos dos termos, que podem ser computados como a freqüência dos termos (''term frequency (TF)'') ou como a freqüência dos termos multiplicada pela freqüência inversa nos documentos (''inverse document frequency (TFIDF)''); CGD denota as classes gramaticais desconsideradas no ''lexicon''; PFS denota a frequência acima da qual a palavra não é incluída no ''lexicon''.</p>
 |- align="center"

Mudanças entre as edições de "Resultados de Pesquisa"

Edição das 07h11min de 15 de fevereiro de 2008

Índice

Resultados do Corretor Ortográfico

Resultados do VS

Tabela 1.8.1

Tabela 1.7.1

Tabela 1.6.1

Tabela 1.5.1

Tabela 1.4.1

Tabela 1.3.1

Tabela 1.2.1

Tabela 1.1.1

Resultados do WNN

Tabela 2.6.2

Tabela 2.6.1

Tabela 2.3.2

Tabela 2.3.1

Tabela 2.2.2

Tabela 2.2.1

Tabela 2.1.2

Tabela 2.1.1

Resultados do WNN-COR

Tabela 3.3.1

Tabela 3.2.1

Tabela 3.1.1

Experimentos removendo combinações de classes gramaticais

Considerando TF

Considerando TFIDF

Como realizar os experimentos

Menu de navegação

Área Restrita

Domínios

Variantes

Visualizações

Mais

Pesquisa

Menu Principal

Ferramentas