Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://tede.upf.br/jspui/handle/tede/1477
Tipo do documento: Dissertação
Título: Uma abordagem para identificar a similaridade entre perfis de pesquisadores com vistas a recomendação
Título(s) alternativo(s): An approach to identify the similarity between researcher profiles for the recommendation
Autor: Rovadosky, Diogo Nelson 
Primeiro orientador: Cervi, Cristiano Roberto
Resumo: A produção de conhecimento pela humanidade aumenta a cada dia que passa, gerando um enorme impacto no processo de descoberta dos novos conhecimentos produzidos. A internet facilitou o compartilhamento das informações, mas seu tamanho tende a dificultar todo esse procedimento. Neste cenário, a produção científica vem ganhando espaço, fazendo surgir a necessidade de um processo de qualificação e análise mais profunda dos dados disponíveis. Base de dados com essas informações surgem para facilitar o acesso às pesquisas mais recentes e disponibilizam informações relevantes. Porém, há muito trabalho a ser realizado para que essas informações sejam cada vez mais relevantes aos pesquisadores e órgãos de fomento à pesquisa. Por isso é que nesse contexto, sistemas de recomendação tornam-se promissores pela capacidade que possuem para ajudar a resolver a sobrecarga de informação, identificando de forma personalizada, dentro de um contexto, as informações relevantes, e a personalização do conteúdo baseado em perfis similares se destaca, tanto para recomendar artigos similares, quanto para sugerir novos parceiros para pesquisas. Para tanto, neste trabalho, utilizou-se dos dados do currículo do pesquisador para montar seu perfil, o qual expressa suas preferências através do histórico da vida cientifica, indicando seu futuro acadêmico, suas preferências referente a pesquisas e aponta conexões futuras com outros pesquisadores. Dessa forma, este trabalho tem por objetivo apresentar uma abordagem para identificar a similaridade entre perfis de pesquisadores, que oportuniza a geração de recomendações baseadas em seus perfis. Além disso, buscou-se estruturar um modelo de perfil de pesquisadores para identificar as similaridades entre os perfis, propondo uma métrica para calcular tais similaridades, com o objetivo final de utilizar o modelo de perfil e a métrica de similaridade junto ao mecanismo de recomendação. Ainda, como contribuição do trabalho, foi criada uma ferramenta que utiliza o modelo de perfil, a métrica de similaridade com o mecanismo de recomendação. Para o desenvolvimento da abordagem, utilizou-se conceitos de personalização e sistemas de recomendação. Através de experimentos realizados com dados reais de pesquisadores de oito áreas do conhecimento obtidos junto a Plataforma Lattes, observou-se que a abordagem proposta tende a ajudar a descoberta de conteúdo útil ao pesquisador, através de recomendações. Os experimentos também demonstram que a abordagem proposta tem uma boa cobertura de recomendações. Da mesma forma, através de cálculos junto aos termos minerados no currículo, conseguiu-se apreender as preferências e identificar mudanças nas mesmas, ao analisar o currículo do pesquisador junto a aspectos temporais. Os indicadores de similaridade não só apontam semelhanças entre os perfis, como também ajudam a geração das recomendações.
Abstract: The production of knowledge by humanity increases with each passing day, generating a huge impact in the process of discovering the new knowledge produced. The internet has made it easier to share information, but its size now tends to make this whole thing difficult. In this scenario, scientific production has been gaining ground, raising the need for a process of qualification and deeper analysis of available data. Database with this information appears to facilitate access to the latest searches and provide relevant information. However, there is much work to be done to make this information increasingly relevant to researchers and research promotion agencies. That is why in this context, recommendation systems become promising for their ability to help resolve information overload by identifying, in a contextspecific, context-sensitive information, and customizing content based on similar profiles stands out, both for recommending similar articles and for suggesting new partners for research. To do so, we used the data from the researcher's curriculum to build his profile, which expresses his preferences through the history of scientific life, indicating his academic future, his preferences regarding research and points future connections with other researchers. Thus, this paper aims to present an approach to identify the similarity between profiles of researchers, which allows the generation of recommendations based on their profiles. In addition, we tried to structure a profile model of researchers to identify similarities between the profiles, proposing a metric to calculate such similarities, with the final objective of using the profile model and the similarity metric next to the recommendation mechanism. And, create a tool that uses the profile model, the similarity metric with the recommendation engine. For the development of the approach, we used personalization concepts and recommendation systems. Through experiments carried out with real data from researchers from 8 areas obtained from the Lattes Platform, it was observed that the proposed approach tends to help the discovery of useful content to the researcher through recommendati ons. Experiments also demonstrate that the proposed approach has a good coverage of recommendations. In the same way that, through calculations with the terms mined in the curriculum, it was possible to apprehend the preferences and identify changes in them, when analyzing the curriculum of the researcher along temporal aspects. Not only do similarity indicators point to similarities between profiles, but they also help to generate recommendations.
Palavras-chave: Software
Pesquisadores
Área(s) do CNPq: CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Instituição: Universidade de Passo Fundo
Sigla da instituição: UPF
Departamento: Instituto de Ciências Exatas e Geociências – ICEG
Programa: Programa de Pós-Graduação em Computação Aplicada
Citação: ROVADOSKY, Diogo Nelson. Uma abordagem para identificar a similaridade entre perfis de pesquisadores com vistas a recomendação. 2018. 124 f. Dissertação (Mestrado em Computação Aplicada) - Universidade de Passo Fundo, Passo Fundo, RS, 2018.
Tipo de acesso: Acesso Aberto
URI: http://tede.upf.br/jspui/handle/tede/1477
Data de defesa: 22-Mar-2018
Aparece nas coleções:Programa de Pós-Graduação em Computação Aplicada

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2018DiogoNelsonRovadosky.pdfDissertação Diogo Nelson Rovadosky4,85 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.