Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/ESBF-AKUMJ6
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Rodrygo Luis Teodoro Santos | pt_BR |
dc.contributor.referee1 | Alberto Henrique Frade Laender | pt_BR |
dc.contributor.referee2 | Leandro Balby Marinho | pt_BR |
dc.contributor.referee3 | Mario Sergio Ferreira Alvim Junior | pt_BR |
dc.contributor.referee4 | Marcos Andre Goncalves | pt_BR |
dc.creator | Vítor Mangaravite | pt_BR |
dc.date.accessioned | 2019-08-14T00:25:44Z | - |
dc.date.available | 2019-08-14T00:25:44Z | - |
dc.date.issued | 2016-06-01 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/ESBF-AKUMJ6 | - |
dc.description.abstract | . | pt_BR |
dc.description.resumo | As abordagens do estado-da-arte para busca de especialistas dependem de associações documento-candidato para inferir a expertise de uma pessoa para uma determinada consulta. Essas associações têm sido tradicionalmente modeladas como variáveis booleanas, indicando se um candidato é ou não autor de um determinado documento, sendo o peso dessa associação normalizado para penalizar candidatos prolíficos. Nesta dissertação, abordamos o problema de busca de especialistas em um ambiente acadêmico, onde a autoria de um documento pode ser determinada com razoável confiança. Assim, em contraste às abordagens tradicionais, propomos modelar associações como variáveis não-booleanas, refletindo a probabilidade de um documento ser informativo para a especialidade de um candidato. Além disso, introduzimos um esquema de normalização alternativo que mede o quão discriminativa uma associação documento-candidato é à luz de todas as associações que envolvem o documento ou o candidato. Através de um estudo de grande escala com acadêmicos especialistas de diversas áreas do conhecimento, demonstramos o desempenho das funções de associação e de normalização propostas para melhorar a eficácia de uma abordagem do estado-da-arte para busca de especialistas. | pt_BR |
dc.language | Português | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Recuperação de Informação | pt_BR |
dc.subject | Busca de Especialistas | pt_BR |
dc.subject.other | Computação | pt_BR |
dc.subject.other | Banco de dados Busca | pt_BR |
dc.subject.other | Sistemas de recuperação da informação | pt_BR |
dc.subject.other | Mineração de dados (Computação) | pt_BR |
dc.title | Modelos de autoria não-booleanas para busca de especialistas na academia | pt_BR |
dc.type | Dissertação de Mestrado | pt_BR |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
vitormangaravite.pdf | 3.1 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.