Classificação de área científica de artigos utilizando a rede de citações e grafos convolucionais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorCasanova, Dalcimar-
Autor(es): dc.contributorBarbosa, Marco Antonio de Castro-
Autor(es): dc.contributorPola, Ives Renê Venturini-
Autor(es): dc.creatorRubio, Lucas Garcia-
Data de aceite: dc.date.accessioned2022-08-04T20:16:55Z-
Data de disponibilização: dc.date.available2022-08-04T20:16:55Z-
Data de envio: dc.date.issued2022-07-28-
Data de envio: dc.date.issued2022-07-28-
Data de envio: dc.date.issued2022-06-28-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/29124-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/705993-
Descrição: dc.descriptionThe search for scientific papers is usually done by keywords, but there is no guarantee that these words are exclusive to a single topic. This imprecision tends to generate a large volume of documents in the search processes, thus making the search process difficult. In this sense, researchers made efforts to include in this search the citations that these documents made to other similar and/or related documents. The addition of this information tends to retrieve documents that are more accurate and focused on the topic of interest. From a computational point of view this problem can be seen as a graph node classification, where the articles are the nodes and the citations are the edges. One of the most prominent methodologies in this area is graph convolution, inspired by the success that convolutions have had with images and audio. Following this line, this work uses a convolutional graph model to classify the areas of a scientific article using as a criterion its citation network and a counter of keywords mentioned in its text. The results obtained were satisfactory.-
Descrição: dc.descriptionA busca por trabalhos científicos geralmente é feita por palavras-chaves, porém não há garantias de que estas palavras sejam exclusivas de um único tema. Essa imprecisão tende a gerar um grande volume de documentos nos processos de busca, dificultando assim o processo de pesquisa. Nesse sentido pesquisadores dirigiram esforços para incluir nesta busca as citações que estes documentos fizeram a outros documentos similares e/ou correlatos. A adição dessas informações tende a retornar documentos mais precisos e focados no tema de interesse. Do ponto de vista da computação esse problema pode ser visto como uma classificação de nós de um grafo, onde os artigos são os nós e as citações são as arestas. Uma das metodologias mais proeminentes nesta área é a convolução em grafos, inspirada no sucesso que as convoluções obtiveram com imagens e áudios. Seguindo esta linha, esse trabalho utiliza um modelo de grafo convolucional para classificar as áreas de um artigo científico utilizando como critério sua rede de citações e um contador de palavras-chaves mencionadas em seu texto. Os resultados obtidos foram satisfatórios.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPato Branco-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Informática-
Publicador: dc.publisherEngenharia de Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by-sa/4.0/-
Palavras-chave: dc.subjectGrafos de ligação-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectBond graphs-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleClassificação de área científica de artigos utilizando a rede de citações e grafos convolucionais-
Título: dc.titleScientific area classification of articles using citation network and graph convolutional-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.