Categorização automática de conjuntos de dados de portais de dados abertos utilizando aprendizado de máquina supervisionado

Abstract

Para disponibilizar seus dados para a sociedade, governos de cidades ao redor do mundo estão usando portais de dados abertos. Na maioria dos portais, os conjuntos de dados estão distribuídos por categorias que representam os tópicos abordados pelo portal. Nesse contexto, oferecer mecanismos para auxiliar a categorização dos conjuntos de dados se torna importante, para facilitar o trabalho de um administrador de portais de dados abertos. Neste trabalho, apresentamos uma metodologia para a categorização automática de conjuntos de dados de portais de dados abertos. Em nossa metodologia, utilizamos o nome do conjunto de dados e os seus atributos de arquivos anexados para a inferência de sua categoria, fazendo uso de técnicas de processamento de linguagem natural e aprendizado de máquina supervisionado