Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade do Porto | - |
Autor(es): dc.contributor | UNEMAT | - |
Autor(es): dc.contributor | LIAAD | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Gulo, Carlos A.S.J. | - |
Autor(es): dc.creator | Rúbio, Thiago R.P.M. | - |
Autor(es): dc.creator | Tabassum, Shazia | - |
Autor(es): dc.creator | Prado, Simone G.D. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-08-04T22:05:32Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T22:05:32Z | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2015-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.4230/OASIcs.ICCSW.2015.21 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/220612 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/220612 | - |
Descrição: dc.description | Literature review is one of the most important phases of research. Scientists must identify the gaps and challenges about certain area and the scientific literature, as a result of the accumulation of knowledge, should provide enough information. The problem is where to find the best and most important articles that guarantees to ascertain the state of the art on that specific domain. A feasible literature review consists on locating, appraising, and synthesising the best empirical evidences in the pool of available publications, guided by one or more research questions. Nevertheless, it is not assured that searching interesting articles in electronic databases will retrieve the most relevant content. Indeed, the existent search engines try to recommend articles by only looking for the occurrences of given keywords. In fact, the relevance of a paper should depend on many other factors as adequacy to the theme, specific tools used or even the test strategy, making automatic recommendation of articles a challenging problem. Our approach allows researchers to browse huge article collections and quickly find the appropriate publications of particular interest by using machine learning techniques. The proposed solution automatically classifies and prioritises the relevance of scientific papers. Using previous samples manually classified by domain experts, we apply a Naive Bayes Classifier to get predicted articles from real world journal repositories such as IEEE Xplore or ACM Digital. Results suggest that our model can substantially recommend, classify and rank the most relevant articles of a particular scientific field of interest. In our experiments, we achieved 98.22% of accuracy in recommending articles that are present in an expert classification list, indicating a good prediction of relevance. The recommended papers worth, at least, the reading. We envisage to expand our model in order to accept user's filters and other inputs to improve predictions. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Departamento de Engenharia Informática Faculdade of Engenharia Universidade do Porto | - |
Descrição: dc.description | PIXEL Research Group UNEMAT | - |
Descrição: dc.description | LIACC - Artificial Intelligence and Computing Science Laboratory Universidade do Porto | - |
Descrição: dc.description | LIAAD | - |
Descrição: dc.description | Departamento de Computação Faculdade de Ciências Universidade Estadual Paulista | - |
Descrição: dc.description | Departamento de Computação Faculdade de Ciências Universidade Estadual Paulista | - |
Descrição: dc.description | CAPES: BEX 1338/14-5 | - |
Formato: dc.format | 21-28 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | OpenAccess Series in Informatics | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Ranking | - |
Palavras-chave: dc.subject | Systematic literature review | - |
Palavras-chave: dc.subject | Text categorisation | - |
Palavras-chave: dc.subject | Text classification | - |
Título: dc.title | Mining scientific articles powered by machine learning techniques | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: