O documento discute o uso de medidas de centralidade em grafos textuais para extração de palavras-chave. A técnica foi modificada para usar centralidade de excentricidade e proximidade ao invés de medidas anteriores. Os tweets coletados são transformados em um grafo onde os vértices são palavras e as arestas representam co-ocorrência entre elas. As palavras-chave são então ranqueadas pelas medidas de centralidade.

1. Utilizando Medidas de Centralidade na
Extração de Palavras-Chave de Grafos
Textuais
Willyan Daniel Abilhoa
Orientador: Prof. Dr. Leandro Nunes de Castro
Laboratório de Computação Natural (LCoN)
Universidade Presbiteriana Mackenzie
Pós-graduação em Engenharia Elétrica
LCoN Meetings

2. Roteiro
 Introdução
 Modificações Abordadas
 Medidas Anteriores
 Antigo Funcionamento daTécnica
 Novo Funcionamento daTécnica
 Árvores Geradoras Mínima e Máxima
 Medidas de Centralidade Utilizadas
 Referências Bibliográficas
2abilhoa.willyan@gmail.com

3. Introdução
 Foco de aplicação da técnica (Twitter):
 O Twitter é um serviço de microblog fundado em 2006
 É uma rica fonte de informações sobre os mais diversos assuntos.
 Isso desperta o interesse tanto do mercado quando da academia
 Esse conteúdo está mantido em Tweets
 Tweets são mensagens de 140 caracteres
 Base de dados textuais:
 Cada tweet corresponde a um documento de texto
 Os tweets coletados são relacionados ao programa “Agora é Tarde” da
emissora de TV Bandeirantes (Band)
 O período de coleta foi realizada entre os dias 6 e 7 de julho de 2012
3abilhoa.willyan@gmail.com

4. Modificações Abordadas
4abilhoa.willyan@gmail.com
Critério Anterior Atual
Janelas de Co-
ocorrência
Tamanho 2 Tamanho |D|
Atr. de i  V g(i) + f(i) + s(i) g(i), f(i)
Atr. de e  E f(i, j) f(i, j), p(i, j), p(j, i)
Orientação Não-Orientação Não-Orientação
Ranking Soma dos pesos de i Centralidade

5. Medidas Utilizadas:
Medidas de um vértice:
𝑑𝑖 = 𝛽𝑖𝑘
𝑘∈𝐸
|𝛽𝑖𝑘 =
1 𝑠𝑒 𝑖 ∈ 𝑘
0 𝑐𝑐
𝑓𝑖 = 𝛼 𝑡
𝑡∈𝐿
|𝛼 𝑡 =
1, 𝑠𝑒 𝑡 = 𝑡𝑖
0, 𝑐𝑐
𝑠𝑖 = 𝑓𝑒 𝑘
𝑒 𝑘∈𝐸 𝑖
| 𝐸𝑖 ⊂ 𝐸
𝑤𝑖 = 𝑑𝑖 + 𝑓𝑖 + 𝑠𝑖
𝑓𝑒 𝑖𝑗
= 𝛾𝑒
𝑒∈𝐸
|𝛾𝑒 =
1, 𝑠𝑒 𝑒 = 𝑒𝑖𝑗 𝑜𝑢 𝑒 = 𝑒𝑗𝑖
0, 𝑐𝑐
Grau:
Frequência:
Peso Total:
Medidas de uma aresta:
Frequência de Co-
ocorrência:
Soma da Freq.
das Arestas:
Medidas Anteriores
5abilhoa.willyan@gmail.com

6. 6abilhoa.willyan@gmail.com
Antigo Funcionamento da Técnica
Passo 1: Passo 2:
L =
p1 day, beautiful,
p2 car, washed,
p3 car, washed, beautiful, day,
p4 drive, car, beautiful, day, car, washed
Passo 3:
• Exemplo de Funcionamento:

7. 7abilhoa.willyan@gmail.com
Antigo Funcionamento da Técnica
Grafo obtido:
v t f g s w
1 day 3 2 4 9
2 beautiful 3 3 5 11
3 car 4 4 6 14
4 washed 3 2 4 9
5 drive 1 1 1 3
Ranking v T w
1 3 Car 14
2 2 beautiful 11
3 1 day 9
4 4 washed 9
5 5 drive 3

8. Novo Funcionamento da Técnica
8abilhoa.willyan@gmail.com

9. Novo Funcionamento da Técnica
9abilhoa.willyan@gmail.com
 Novas Medidas:
 Probabilidade deTransição de (i, j) ∈ E:
 Centralidade de Excentricidade de i ∈V:
 Centralidade de Proximidade de i ∈V:
Sendo:
i e j – dois vértices deV
cij – a frequência de co-ocorrência de (i, j)
S – o conjunto de sucessores de i
𝑃𝑖𝑗 =
𝑐𝑖𝑗
𝑐𝑖𝑘𝑘∈𝑆
𝐸𝑐𝑖 = max
𝑘∈𝑉
1 𝑐𝑖𝑘
𝐶𝑙𝑖 =
1
𝑐𝑖𝑘𝑘∈𝑉

10. Novo Funcionamento da Técnica
Coleção de Documentos (Tweets):
10abilhoa.willyan@gmail.com

11. Novo Funcionamento da Técnica
11abilhoa.willyan@gmail.com

12. Árvores Geradoras Mínima e Máxima
12abilhoa.willyan@gmail.com
Árv. Ger. Min. (1): Árv. Ger. Max. (1):

13. Medidas de Centralidade Utilizadas
13abilhoa.willyan@gmail.com
Excentricidade: Proximidade
A excentricidade equivale ao complemento da proximidade.

14. 14abilhoa.willyan@gmail.com
Referências Bibliográficas
• JIN, W.; SRIHARI, R. K. Graph-based text representation and knowledge
discovery. Proceedings of the 2007 ACM symposium on Applied computing. v. 7,
p. 807-811, 2007.
• Palshikar, G. K. Keyword Extraction from a Single Document using Centrality
Measures. LNCS, p. 503-510, 2007.