Recomendação e visualização de conjuntos similares de artigos com base na análise e classificação de seus resumos

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorViterbo Filho, José-
Autor(es): dc.contributorMiranda, Leandro Botelho Alves de-
Autor(es): dc.contributorAndrade, Eduardo de Oliveira-
Autor(es): dc.creatorSouza, Gabriel Rafael Guedine de Jesus-
Autor(es): dc.creatorFeitosa, Lucas Leão-
Data de aceite: dc.date.accessioned2024-07-11T18:15:08Z-
Data de disponibilização: dc.date.available2024-07-11T18:15:08Z-
Data de envio: dc.date.issued2022-07-04-
Data de envio: dc.date.issued2022-07-04-
Data de envio: dc.date.issued2020-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/25534-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/766739-
Descrição: dc.descriptionOs avanços das Tecnologias de Informação e Comunicação alteraram e aprimoraram radicalmente as práticas pelas quais os dados, as metodologias, as ferramentas e os resultados de pesquisa científica são produzidos, disseminados e utilizados. Essas mudanças acarretaram um crescimento exponencial da quantidade de dados e publicações disponíveis, tornando necessário o uso de ferramentas e mecanismos que facilitem a busca de conteúdos relevantes para a realização de uma pesquisa científica. Este estudo tem o intuito de propor um algoritmo para sistemas de recomendação de artigos acadêmicos, no qual dado que um conjunto de resumos de artigos recebe um novo resumo, obtemos como resultado uma recomendação de artigos semelhantes ao novo. Ele também explora as técnicas de aprendizado de máquina escolhidas nas etapas de clusterização e de recomendação do cluster mais similar, além dos processos de mineração e vetorização de texto utilizados para possibilitar a execução dessas técnicas. Ademais, para melhorar visualização e clareza do algoritmo de recomendação desenvolvido, também é proposto o uso da técnica Word Cloud, a fim de atestar que o cluster classificado para o novo resumo e os artigos recomendados são realmente relevantes. Em compara ̧c ̃ao ao KNNC, o algoritmo proposto obteve um resultado satisfatório em relação `a precisão e aos clusters recomendados. O word cloud mostra-se uma excelente ferramenta para visualização dos clusters tanto individualmente quanto em relação ao novo artigo.-
Descrição: dc.descriptionAdvances in Information and Communication Technologies have radically changed and improved the practices by which data, methodologies, tools and scientific research results are produced, disseminated and used. These changes have led to an exponential growth in the amount of data and publications made available, making it necessary to use tools and mechanisms that facilitate the search for relevant content for conducting scientific research. This study aims to propose an algorithm for academic article recommendation systems, in which given a set of article abstracts and it receives a new abstract, we obtain a recommendation of articles similar to the one. It also explores the machine learning techniques chosen in the clustering and recommendation of the most similar cluster stages, in addition to the text mining processes used to enable the execution of these techniques. Furthermore, aiming to improve the visualization and clarity of the implementation of the recommendation algorithm, the use of the Word Cloud technique is also proposed, in order to attest that the cluster ranked for the new abstract and the recommended articles are indeed relevant ones. In comparison with KNNC, the proposed algorithm achieved a satisfatory result with respect to the precision and the recommended clusters. Word Cloud turns up as an excellent tool for viewing the clusters either individually or in relation with the new article.-
Descrição: dc.description29 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectNuvem de Palavras-
Palavras-chave: dc.subjectSistema de Recomendação-
Palavras-chave: dc.subjectArtigos Acadêmicos-
Palavras-chave: dc.subjectTFIDF-
Palavras-chave: dc.subjectClusterização-
Palavras-chave: dc.subjectAnálise de agrupamento-
Palavras-chave: dc.subjectSistema de recomendação-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectWord Cloud-
Palavras-chave: dc.subjectRecommendation Systems-
Palavras-chave: dc.subjectAcademic Articles-
Palavras-chave: dc.subjectTFIDF-
Palavras-chave: dc.subjectClustering-
Título: dc.titleRecomendação e visualização de conjuntos similares de artigos com base na análise e classificação de seus resumos-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.