O Poder do Data Warehouse em aplicacoes de Machine Learning

As aplicaç?es de mineraç?o de dados e textos oriundos da Internet t?m sido alvo de recentes pesquisas. E, em todos os casos, as tarefas de mineraç?o de dados necessitam trabalhar sobre dados limpos, consistentes e integrados para obter os melhores resultados. Sendo assim, ambientes de Data Warehouse s?o uma valiosa fonte de dados limpos e integrados para as aplicaç?es de mineraç?o. A tecnologia de Data Warehouse tem evoluído no sentido de recuperar e tratar dados provenientes da Web. Em particular, os sites de notícias s?o fontes ricas em textos, que podem compor um corpus linguístico. Inserindo o corpus em um ambiente de Data Warehouse, as aplicaç?es poder?o tirar proveito da flexibilidade que um modelo multidimensional e as operaç?es OLAP fornecem. Dentre as vantagens est?o a navegaç?o pelos dados, a seleç?o da parte dos dados considerados relevantes, a análise dos dados em diferentes níveis de abstraç?o, e a agregaç?o, desagregaç?o, rotaç?o e filtragem sobre qualquer conjunto de dados. Este trabalho apresenta o ambiente de Data Warehouse Newsminer, que fornece um conjunto de textos consistente e limpo, na forma de um corpus multidimensional.