[pt] A extração de entidades de páginas web é comumente utilizada para melhorar a qualidade de muitas tarefas realizadas por máquinas de busca como detecção de páginas duplicadas e ranking. Essa tarefa se torna ainda mais relevante devido ao crescente volume de informação da internet com as quais as máquinas de busca precisam lidar. Existem diversos algoritmos para detecção de conteúdo na literatura, alguns orientados a sites e outros que utilizam uma abordagem mais local e são chamados de algoritmos orientados a páginas. Os algoritmos orientados a sites utilizam várias páginas de um mesmo site para criar um modelo que detecta o conteúdo relevante da página. Os algoritmos orientados a páginas detectam conteúdo avaliando as características de cada página, sem comparar com outras páginas. Neste trabalho apresentamos um algoritmo, chamado NCE ( News Content Extractor), orientado a página e que se propõe a realizar extração de entidades em páginas de notícias. Ele utiliza atributos de uma árvore DOM para localizar determinadas entidades de uma página de notícia, mais especificamente, o título e o corpo da notícia. Algumas métricas são apresentadas e utilizadas para aferir a qualidade do NCE. Quando comparado com outro método baseado em página e que utiliza atributos visuais, o NCE se mostrou superior tanto em relação à qualidade de extração quanto no que diz respeito ao tempo de execução. / [en] The entity extraction of web pages is commonly used to enhance the quality of tasks performed by search engines, like duplicate pages and ranking. The relevance of entity extraction is crucial due to the fact that search engines have to deal with fast growning volume of information on the web. There are many algorithms that detect entities in the literature, some using site level strategy and others using page level strategy. The site level strategy uses many pages from the same site to create a model that extracts templates. The page level strategy creates a model to extract templates according to features of the page. Here we present an algorithm, called NCE (News Content Extractor), that uses a page level strategy and its objective is to perform entity extraction on news pages. It uses features from a DOM tree to search for certain entities, namely, the news title and news body. Some measures are presented and used to evaluate how good NCE is. When we compare NCE to a page level algorithm that uses visual features, NCE shows better execution time and extraction quality.

[pt] O reconhecimento de posturas é um dos desafios para o sensoriamento humano, que auxilia no acompanhamento de pessoas em ambientes de moradia assistidos. Estes ambientes, por sua vez, auxiliam médicos no diagnóstico de saúde de seus pacientes, principalmente através do reconhecimento de atividades do dia a dia em tempo real, que é visto na área médica como uma das melhores formas de antecipar situações críticas de saúde. Além disso, o envelhecimento da população mundial, escassez de recursos em hospitais para atender todas as pessoas e aumento dos custos de assistência médica impulsionam o desenvolvimento de sistemas para apoiar os ambientes de moradia assistidos. Preservar a privacidade nestes ambientes monitorados por sensores é um fator crítico para a aceitação do usuário, por isso há uma demanda em soluções que não requerem imagens. Este trabalho evidencia o uso de um sensor térmico de baixa resolução no sensoriamento humano, mostrando que é viável detectar a presença e reconhecer posturas humanas, usando somente os dados deste sensor. / [en] Postures recognition is one of the human sensing challenges, that helps ambient assisted livings in people accompanying. On the other hand, these ambients assist doctors in the diagnosis of their patients health, mainly through activities of daily livings real time recognition, which is seen in the medical field as one of the best ways to anticipate critical health situations. In addition, the world s population aging, lack of hospital resources to meet all people and increased health care costs drive the development of systems to support ambient assisted livings. Preserving privacy in these ambients monitored by sensors is a critical factor for user acceptance, so there is a demand for solutions that does not requires images. This work demonstrates the use of a low resolution thermal array sensor in human sensing, showing that it is feasible to detect the presence and to recognize human postures, using only the data of this sensor.

[pt] O problema do fluxo máximo multiterminal é uma extensão do conhecido problema de fluxo máximo entre um nó origem e um nó destino de uma rede. Este problema surge no contexto de fluxos em redes, tema que possui diversas aplicações, especialmente nos campos de transporte, telecomunicações e energia. No caso multiterminal, o fluxo máximo é calculado entre todos os pares de nós da rede. No referente a uma rede simétrica, este problema pode ser resolvido, obviamente, pela execução do algoritmo de fluxo máximo n(n − 1) 2 vezes, onde n é o número de nós da rede. Os tradicionais métodos encontrados na literatura o conseguem com apenas n − 1. O presente trabalho busca elaborar um algoritmo capaz de resolver o problema multiterminal com uma complexidade menor do que os métodos da literatura. A recente teoria da análise de sensibilidade, em que se estuda a influência da variação de capacidade de uma aresta nos fluxos máximos multiterminais, é utilizada para a construção do algoritmo. Técnicas dos tradicionais métodos, como a de contração de nós, também compõem o método. Ao final, o algoritmo é testado computacionalmente com todas as suas variações e heurísticas adicionadas. Para um determinado caso, o algoritmo se mostrou com eficiência semelhante a dos métodos tradicionais. Novas variações e heurísticas são listadas para futuras pesquisas. / [en] The multi-terminal maximum flow problem is an extension of the well known single source-single terminal maximum flow problem. These problems arise in the context of network flows, theme which has various applications, especially in the fields of transport, telecommunications and energy. In the multiterminal case, the maximum flow is calculated between all pairs of nodes. Clearly, this problem can be solved, in a symmetric network, by computing the maximum flow algorithm n(n − 1) 2 times, where n is the number of nodes of the network, but the traditional methods found in the literature can do it with only n − 1 computations. This paper seeks to elaborate an algorithm able to solve the multiterminal problem with a complexity lower than the methods of the literature. The recent theory of sensitivity analysis, which studies the influence of an edge capacity variation on multi-terminals maximum flows, is employed on the construction of the algorithm. Techniques of the traditional methods, such as the contraction of nodes, are also part of the method. Finally, the algorithm is computationally tested with all its variations and added heuristics. For a given case, the algorithm showed an efficiency very close to the ones of traditional methods. New variations and heuristics are listed for future research.

[pt] Diagramas de decisão são uma generalização de árvores de decisão, já propostos como um modelo de aprendizado de máquina para classificação supervisionada mas não largamente adotados. A razão é a dificuldade em treinar o modelo, já que o requerimento de decidir splits (partições) e merges (uniões de nós) em conjunto pode levar a problemas difíceis de otimização combinatória. Um diagrama de decisão tem importantes vantagens sobre árvores de decisão, pois melhor expressa conceitos binários disjuntos, evitando o problema de duplicação de subárvores e, portanto, apresentando menos fragmentação em nós internos. Por esse motivo, desenvolver algoritmos efetivos de construção é um esforço importante. Nesse contexto, o algoritmo Optimal Decision Diagram (ODD) foi recentemente proposto, formulando a construção do diagrama com programação inteira mista (MILP na sigla em inglês), com um warm start proveniente de uma heurística construtiva gulosa. Experimentos mostraram que essa heurística poderia ser aperfeiçoada, a fim de encontrar soluções próximas do ótimo de maneira mais efetiva, e por sua vez prover um warm start melhor. Nesse estudo, reportamos aperfeiçoamentos para essa heurística construtiva, sendo eles a randomização das decisões de split, a poda de fluxos puros (ou seja, fluxos de exemplos pertencentes a uma única classe), e aplicando uma poda bottom-up (de baixo para cima), que considera a complexidade do modelo além da sua acurácia. Todos os aperfeiçoamentos propostos têm efeitos positivos na acurácia e generalização, assim como no valor objetivo do algoritmo ODD. A poda bottom-up, em especial, tem impacto significativo no valor objetivo, e portanto na capacidade da formulação MILP de encontrar soluções ótimas. Ademais, provemos experimentos sobre a expressividade de diagramas de decisão em comparação a árvores no contexto de pequenas funções booleanas em Forma Normal Disjuntiva (DNF na sigla em inglês), assim como uma aplicação web para a exploração visual dos métodos construtivos propostos. / [en] Decision diagrams are a generalization of decision trees. They have been repeatedly proposed as a supervised classification model for machine learning but have not been widely adopted. The reason appears to be the difficulty of training the model, as the requirement of deciding splits and merging nodes can lead to difficult combinatorial optimization problems. A decision diagram has marked advantages over decision trees because it better models disjoint binary concepts, avoiding the replication of subtrees and thus has less sample fragmentation in internal nodes. Because of this, devising an effective construction algorithm is important. In this context, the Optimal Decision Diagram (ODD) algorithm was recently proposed, which formulates the problem of building a diagram as a mixed-integer linear program (MILP), with a warm start provided by a greedy constructive heuristic. Initial experiments have shown that this heuristic can be improved upon, in order to find close-to-optimal solutions more effectively and in turn provide the MILP with a better warm start. In this study, we report improvements to this constructive heuristic, by randomizing the split decisions, pruning pure flows (i.e. flows with samples from a single class), and applying bottom-up pruning, which considers the complexity of the model in addition to its accuracy. All proposed improvements have positive effects on accuracy and generalization, as well as the objective value of the ODD algorithm. The bottom-up pruning strategy, in particular, has a substantial impact on the objective value, and thus on the ability of the MILP solver to find optimal solutions. In addition, we provide experiments on the expressiveness of decision diagrams when compared to trees in the context of small boolean functions in Disjoint Normal Form (DNF), as well as a web application for the visual exploration of the proposed constructive approaches.

[pt] A escolha de uma carreira é uma das decisões mais importantes na vida de uma pessoa, e é feita em um ambiente repleto de incertezas em relação ao futuro. Este trabalho analisa o aspecto financeiro da escolha entre uma carreira numa empresa privada e uma carreira em um órgão público, com ingresso por meio de um concurso. A análise pelo tradicional fluxo de caixa descontado apresenta uma série de limitações por não captar aspectos como a incerteza e a flexibilidade da tomada de decisão. Assim é aplicada uma abordagem segundo a teoria das Opções Reais, que se mostra mais adequada a este caso, pois permite que a flexibilidade de escolha seja modelada e considerada na escolha de carreira de um indivíduo. Neste estudo, os ganhos em uma empresa privada são modelados por meio de um processo estocástico enquanto a carreira pública tem um valor determinístico. Existe flexibilidade de data em relação ao ingresso na carreira pública, porém esta decisão é irreversível. Os resultados sugerem que a opção de ingressar na carreira pública pode ter valor significativo em relação à carreira privada. / [en] Choosing a career is one of the most important decisions in a person s life, and is done in an environment full of uncertainties about the future. This study analyzes the financial aspect of a career choice between a private company and a career in the government, with admission through a contest. The analysis through the traditional discounted cash flow would bring a lot of limitations, not capturing aspects such as uncertainty and flexibility of decision making. So real options theory approach is applied, which appears more appropriate in this case because it allows the flexibility of choice to be modeled and considered in the choice of an individual s career. In this study earnings in a private company are modeled through a stochastic process while public career has a deterministic value. There is flexibility regarding the date of entry into public career, but this decision is irreversible. The results suggest that the option of joining the public career may have significant value in relation to private career.

[pt] Com rápido crescimento nos últimos anos, o mercado de telecomunicações está ficando cada vez mais saturado. Como a comunicação tradicional por meio de serviços de voz já é amplamente utilizada, as operadoras têm enfrentado dificuldades em atrair novos usuários. Neste cenário, as operadoras têm direcionado cada vez mais esforços nas ações de cross-selling para rentabilizar sua base de clientes, oferecendo e estimulando o uso de novos serviços. Nesta pesquisa, serão utilizados dados existentes no banco de dados de uma operadora de telefonia móvel do mercado brasileiro para testar um modelo que facilita a identificação dos clientes mais propensos à contratação de novos serviços. Os dados foram tratados por meio de técnicas de mineração de dados e árvore de decisão. Os resultados sugerem que, com base na modelagem proposta, ações de cross-selling podem ser otimizadas com o aumento da taxa de retorno e, conseqüentemente, redução no custo das abordagens e menos desgaste da base de clientes com contatos irrelevantes. / [en] Due to its fast growth in recent years, the wireless market is becoming increasingly saturated. Since traditional communication through voice services is already widely used by most individuals, wireless carriers are facing difficulties in finding and attracting new users for such services. Given this scenario, enterprises are turning their attention to cross-selling campaigns to monetize their client base, offering and stimulating the use of new services. In this research, an existent data set from a Brazilian mobile telecom carrier was used to test a model that could facilitate the identification of current customers more likely to be interested in acquiring new services. The data were analyzed and modeled via data mining and decision tree. The results suggest that, if the proposed model is used, cross-selling campaigns could be optimized, achieving an increased rate of return, reduction in the cost of contacts and less wear of the client base with irrelevant offers.

[pt] O objetivo desta dissertação de mestrado é analisar o novo marco regulatório do setor elétrico brasileiro e seus impactos para as empresas distribuidoras de energia. Para isto, foi desenvolvida uma ferramenta computacional para elaborar estratégias de atuação das distribuidoras nos leilões de compra de energia instituídos pela nova regulamentação. Desta forma, é possível simular o processo de contratação das distribuidoras no âmbito do ACR e, com os resultados, realizar análises do impacto das novas regras na alocação dos riscos as distribuidoras. O problema consiste, em um ambiente de incerteza da demanda e dado um conjunto de instrumentos de risco, determinar a estratégia de contratação das distribuidoras, fornecendo o montante de energia a ser comprado em cada leilão anteriormente descrito e resultado da melhor compra dados os contratos candidatos. A metodologia de solução é otimização estocástica multi-estágio, levando em consideração, principalmente, os diversos horizontes de contratação e preços da energia, visando minimizar uma ponderação entre tarifa para consumidor e custos para distribuidora. / [en] The objective of this work is to analyze the new regulatory framework of the Brazilian electric sector. In this sense, it was developed a computational tool in order to elaborate strategies for the distribution companies (DISCOs) in the energy auctions instituted by the new regulation. The computational tool was used to simulate the contracts acquisition process by the DISCOs and the results were analyzed to measure impact of new rules and risks allocation for the distribution companies. The problem consists, considering the demand uncertainty and the available risk management instruments, in determining the contracting strategy of the DISCOs, i.e., the amount of energy to be bought in each auction that results from the best purchase given the candidate contracts. The solution methodology is based on a multi-stage stochastic optimization algorithm, minimizing the tariff for consumer and costs for DISCO, taking into account different prices and horizons of the energy contracts.

[pt] Nesta tese são propostos modelos e algoritmos aproximados para o Problema da Árvore Geradora de Custo Mínimo com Restrição de Diâmetro (AGMD). Este problema modela tipicamente aplicações em projetos de redes de computadores onde todos os vértices devem comunicar-se entre si a um custo mínimo, garantindo um certo nível de serviço. Os modelos propostos por Achuthan e Caccetta para o AGMD são reforçados através da introdução de restrições válidas. Uma relaxação lagrangeana é proposta para o modelo de multifluxo básico de Gouveia e Magnanti. Essa relaxação é utilizada para o desenvolvimento de heurísticas lagrangeanas. Adaptações são realizadas nas heurísticas construtivas propostas por Deo e Abdalla, e por Raidl e Julstrom. São propostas ainda quatro estratégias de busca local, uma heurística do tipo GRASP e outra híbrida. São obtidos limites superiores a menos de 2% do ótimo para as classes de instâncias usadas nos trabalhos de Gouveia e Magnanti, e de Santos, Lucena e Ribeiro. Além disto, obteve-se os melhores resultados conhecidos até o presente momento para 11 instâncias de grafos completos usadas por Raidl, Julstrom e Gruber. / [en] In this work, models and approximation algorithms to solve the Diameter Constrained Minimum Spanning Tree Problem (AGMD) are proposed. This problem typically models network design applications where all vertices must communicate with each other at a minimum cost, while meeting a given quality requirement. The formulations proposed by Achuthan and Caccetta are strengthened with valid inequalities. A lagrangean relaxation is proposed for the multicommodity flow model developed by Gouveia and Magnanti. Adaptations are made in the constructive heuristics proposed by Deo and Abdalla and by Raidl and Julstrom. Four local search procedures, a GRASP algorithm and a hybrid heuristic are proposed. Upper bounds within 2% of the optimal solution values are obtained for the two classes of instances used by Gouveia and Magnanti and by Santos, Lucena and Ribeiro. Moreover, stronger upper bounds are reported for 11 instances in complete graphs used by Raidl, Julstrom and Gruber

[pt] A importância da previsão de carga a curto prazo (até uma semana à frente) em crescido recentemente. Com os processos de privatização e implantação de ompetição no setor elétrico brasileiro, a previsão de tarifas de energia vai se tornar extremamente importante. As previsões das cargas elétricas são fundamentais para alimentar as ferramentas analíticas utilizadas na sinalização das tarifas. Em conseqüência destas mudanças estruturais no setor, a variabilidade e a não-estacionaridade das cargas elétricas tendem a aumentar devido à dinâmica dos preços da energia. Em função das mudanças estruturais do setor elétrico, previsores mais autônomos são necessários para o novo cenário que se aproxima. As ferramentas disponíveis no mercado internacional para previsão de carga elétrica requerem uma quantidade significativa de informações on-line, principalmente no que se refere a dados meteorológicos. Como a realidade brasileira ainda não permite o acesso a essas informações será proposto um previsor de carga para o curto-prazo, considerando restrições na aquisição dos dados de temperatura. Logo, tem-se como proposta um modelo de previsão de carga horária de curto prazo (um dia a frente) empregando dados de carga elétrica e dados meteorológicos (temperatura) através de modelos de árvore de decisão. Decidiu-se pelo modelo de árvore de decisão, pois este modelo além de apresentar uma grande facilidade de interpretação dos resultados, apresenta pouquíssima ênfase em sua utilização na área de previsão de carga elétrica. / [en] The importance of load forecasting for the short term (up to one-week ahead) has been steadily growing in the last years. Load forecasts are the basis for the forecasting of energy prices, and the privatisation, and the introduction of competitiveness in the Brazilian electricity sector, have turned price forecasting into an extremely important task. As a consequence of structural changes in the electricity sector, the variability and the non-stationarity of the electrical loads have tended to increase, because of the dynamics of the energy prices. As a consequence of these structural changes, new forecasting methods are needed to meet the new scenarios. The tools that are available for load forecasting in the international market require a large amount of online information, specially information about weather data. Since this information is not yet readily available in Brazil, this thesis proposes a short-term load forecaster that takes into consideration the restrictions in the acquisition of temperature data. A short-term (one-day ahead) forecaster of hourly loads is proposed that combines load data and weather data (temperature), by means of decision tree models. Decision trees were chosen because those models, despite being easy to interpret, have been very rarely used for load forecasting.

[pt] Em função da dependência dos regimes hidrológicos, a incerteza associada ao planejamento energético no Brasil exige a modelagem estocástica das Séries Temporais associadas de maneira adequada e coerente. Percebe-se, portanto, a importância dos modelos de geração de cenários hidrológicos com vistas à otimização, via Programação Dinâmica Dual Estocástica (PDDE), do desempenho das operações do sistema elétrico, com consequente aumento de benefícios e confiabilidade e, sobretudo, redução de custos. Esta modelagem estocástica tem sido realizada por um modelo Autorregressivo Peridódico, PAR(p), que ajusta um modelo autorregressivo de ordem p para cada um dos estágios das séries históricas que compõem as configurações do sistema. Este trabalho mostra que a estrutura utilizada no processo de simulação de séries sintéticas do modelo vigente no Setor Elétrico Brasileiro, via distribuição Lognormal, gera uma não linearidade na equação do modelo, o que pode ocasionar inconvenientes de não convexidade que inviabilizam o correto cálculo das Funções de Custo Futuro, poliedros convexos aproximados por funções lineares por partes. Haja vista o exposto e as características do modelo estocástico gerador da árvore de cenários e sua utilização em modelos de otimização, este trabalho apresenta uma nova metodologia alternativa para a construção dos cenários, de forma que os inconvenientes supracitados sejam eliminados. Isto posto, será apresentado uma nova abordagem geral para a construção das árvores, considerando os passos Forward e Backward, fundamentais no processo de otimização empregado pela técnica de PDDE. A estrutura de simulação estocástica desenvolvida conjugou a técnica de computação intensiva de Bootstrap e o método de simulação de Monte Carlo. Foram geradas árvores de cenários com horizonte temporal condizente com o planejamento de médio prazo do despacho hidrotérmico. As séries sintéticas foram comparadas às históricas por meio de uma bateria de testes estatísticos e a aderência das séries geradas foi atestada, provando a adequabilidade do modelo desenvolvido no que tange à parte estocástica do problema. Por fim, a árvore de cenários gerada foi aplicada na PDDE e várias variáveis de resposta foram analisadas, permitindo concluir que o modelo desenvolvido é perfeitamente capaz de reproduzir estruturas compatíveis com o modelo vigente, contudo sem causar a referida não linearidade na equação do PAR(p) e a possível não convexidade do problema de otimização associado ao planejamento de operação de médio/longo prazo. / [en] Due to the highly dependence on the hydrological regimes, the uncertainty associated with energy planning in Brazil requires stochastic modeling of associated time series appropriately and consistently. It is clear, therefore, the importance of models to generate hydrologic scenarios to be used in the optimization via Stochastic Dual Dynamic Programming (SDDP), which improves the performance of system operations, with consequent increase in benefits and reliability and, above all, cost reduction. This stochastic modeling is performed by the PAR(p), which sets an autoregressive model of order p for each of the stages of the historical series that make up the system settings. It was shown in this work that the structure used in the simulation process of synthetic series of the model prevailing in SEB via lognormal distribution generates a nonlinearity relationship in the model equation, which causes the inconvenience of nonconvexity in the calculation of Expected Cost-to-go Functions, convex polyhedral approximated by piecewise linear functions. Considering the above and the characteristics of the stochastic model that generates the scenarios tree and its use in the optimization algorithms, this study aims the development of an alternative methodology for the construction of scenarios, so that the aforementioned drawbacks were eliminated. It is proposed a new general approach for the construction of trees, considering the steps Forward and Backward, fundamental in the process of optimization technique employed by SDDP. The structure of stochastic simulation technique developed conjugates computationally intensive Bootstrap method and Monte Carlo simulation. Scenarios trees were generated consistent with the medium-term planning of hydrothermal dispatch. The synthetic series were compared to the historical data through a battery of statistical tests and the goodness fiting of the series generated was tested that confirmed the suitability of the developed model with respect to the stochastic problem. Finally, the paths of the trees were applied to the SDDP and response variables were analyzed, leading to the conclusion that the model was able to perfectly reproduce structures compatible with the current model, but without causing the aforementioned non-linearity of the PAR(p) equation and possible non convexity in the Expected Cost-to-go Functions.