Modelos de autoria não-booleanas para busca de especialistas na academia
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Alberto Henrique Frade Laender
Leandro Balby Marinho
Mario Sergio Ferreira Alvim Junior
Marcos Andre Goncalves
Leandro Balby Marinho
Mario Sergio Ferreira Alvim Junior
Marcos Andre Goncalves
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.
Abstract
.
Assunto
Computação, Banco de dados Busca, Sistemas de recuperação da informação, Mineração de dados (Computação)
Palavras-chave
Recuperação de Informação, Busca de Especialistas