1. Sustinerea tezei de doctorat
SISTEM AUTOMAT DE ANALIZA
SI PRELUCRARE SEMANTICA
PENTRU TEXTE SCRISE IN
LIMBA ROMANA
Autor: Catalin Cosoi
Coordonator: Prof. Dr. Ing.
Valentin Sgarciu

2. Cuprins
❖ Introducere / Motivatie
❖ Clasificarea Semantica
❖ Analiza Sentimentelor
❖ Sumarizarea
❖ Aplicativitatea
❖ Concluzii

3. Motivatie
❖ Meltwater – 8000 EUR / an (5 useri, 10 cuvinte cheie)
❖ ZeList – 3000 EUR / an (5 useri, 5 cuvinte cheie)
❖ Analiza media (atat brand propriu cat si competitori)
❖ Rezultate in scadere la filtrele antispam
❖ Document clustering
❖ Online Privacy Project
❖ Cautari sau operatiuni complexe folosind limbaj natural
❖ newsrank.ro & focusfun.ro

4. Clasificarea Semantica
❖ Imbunatatirea filtrarii
bayesiene (2006)
❖ Document (spam)
clustering (2007)
❖ newsrank.ro & focusfun.ro
(2009)
❖ Monitorizare Media (2011)
❖ Analiza Semanticii Latente
(LSA)
❖ Retele de Context (CNG)
❖ Regresie Logistica
❖ TF-IDF
❖ Bayes
❖ Retele Semantice
❖ Jaccard

5. Clasificarea Semantica
❖ SPAM filtering using feature relevance assignment in
neural networks - United States 8,131,655
❖ Systems and Methods for Dynamically Integrating
Heterogeneous Anti-Spam Filters - 8,572,184 B1
❖ Systems and methods for electronic fraud prevention -
United States 8,695,100

6. Imbunatatirea filtrarii
bayesiene
❖ Cosoi, A.C. ; Sgarciu, V. ; Vlad, M.S. ; Danube Adria
Association for Automation & Manufacturing – ISI
Proceedings
❖ Naïve Bayes Module + LinkGrammar
❖ 25 domenii stiintifice
❖ 0,5% - 25%
❖ 0,01% - 15%

7. Document (spam) clustering
❖ Brevet #
8,010,614 B1
❖ Titlu: Systems
and methods for
generating
signatures for
electronic
communication
classification

8. Analiza Sentimentelor
❖ O multitudine de tehnici si algoritmi
❖ Subiectivitatea si zonele geografice – dificultatea
analizei sentimentelor la nivel global

9. Sumarizarea
❖ DEZVALUIRI din INTIMITATE. CUM isi IMPART
TREBURILE CASNICE Klaus Iohannis si SOTIA SA, o
GOSPODINA DESAVARSITA

10. Sumarizarea MultiDocument
❖ Avand mai multe
documente similare,
este inlesnita si
sumarizarea
❖ Cuvintele cheie si
propozitiile cheie
sunt mai usor de
determinat

11. Aplicabilitate
❖ The Romanian Blogosphere as a Social Fractal,
A.C.Cosoi; B.Dumitru; V.Sgarciu; M.St.Vlad;
M.Corduneanu, IAFA 2009, vol.3, pp 36-40, ISSN: 2066-
4451
❖ The Romanian Social Fractal, AC COSOI V SGARCIU B
DUMITRU, Proceedings of DAAAM 2009, Viena,
Austria, 25-28 nov, pp.103-104, ISSN 1726-9679, ISBN
978-3-901509-70-4, indexata ISI Web of Knowledge

12. Monitorizare Media

13. Monitorizare Media
❖ Extragerea stirilor din ora in ora din peste 50 publicatii
❖ Gruparea Stirilor pe categorii/topicuri/subiecte
❖ Analiza Sentimentelor (pozitiv, negativ)
❖ Sumarizarea
❖ Notificarea utilizatorilor (in functie de frecventa)

14. Resurse
❖ Liste de obiecte / criterii – analiza sentimentelor
❖ Expresii de concluzionare
❖ Acronime
❖ Abrevieri
❖ 2,5 Ngrams (2010 – 2014)
❖ Cod sursa pentru intreaga platforma si toti algoritmii
studiati

15. Continuarea Cercetarii
❖ Event Correlation
❖ Grants for Startups
❖ Voice2text
❖ Interpretare
❖ Asistenta