Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-03-07T18:10:06Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação _Adriano Honorato.pdf: 2593391 bytes, checksum: 66560b270a251eb8352a53374e86aa02 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-03-07T18:10:27Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação _Adriano Honorato.pdf: 2593391 bytes, checksum: 66560b270a251eb8352a53374e86aa02 (MD5) / Made available in DSpace on 2018-03-07T18:10:27Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação _Adriano Honorato.pdf: 2593391 bytes, checksum: 66560b270a251eb8352a53374e86aa02 (MD5) Previous issue date: 2017-09-29 / Virtual herbariums aim to disseminate scientific information and contribute to the conservation and sustainable use of Brazilian biological resources. It currently includes 120 national herbaria and 25 herbariums from abroad, together provide more than 5,4 million records and more than one million images, in addition to several free access tools, opening space for the application of Machine Learning techniques, among them classifiers. In the Machine Learning process, Attribute Selection is part of the pre-processing of data and can correspond to 80% of the data mining phase, for this it is necessary to study the approaches used to make the selection of a subset of attributes that better generalize the basis to be induced to the model of machine learning. The objective of this work is to apply the attributes selection processes with the following filter, wrapper and embedded approaches in the National Institute of Science and Technology (NIST) - Virtual Herbarium of Flora and Fungi, this base contains 87,732 records and 51 features, with 119 collections and sub-collections, 86,967 online records, 80,513 georeferenced records, 12,073 different accepted species. The first phase of machine learning processes is the pre-processing, which will analyze the database and will result in a more general and ready basis for the application of the predictive models of classification, after the filter of the most relevant subset of attributes, the Machine Learning algorithms are applied, which in this research was: Decision Tree, Network Neural Artificial and Logistic Regression. The evaluation of the models will be through the confusion matrix using the accuracy and the analysis of the area on the ROC curve. Among the models studied, the Logistic Regression was the one that obtained the performance with a total accuracy of 77.25%, with the filter approach and 76.25% with the wrapper. / Os herbários virtuais têm como objetivo disseminar informações científicas e contribuir para a conservação e uso sustentável dos recursos biológicos brasileiros. Atualmente integra 120 herbários nacionais e 25 herbários do exterior, juntos disponibilizam mais de 5,4 milhões de registros e mais de um milhão de imagens, além de várias ferramentas de livre acesso, abrindo espaço para a aplicação de técnicas de Aprendizagem de Máquina, entre elas os classificadores. No processo de Aprendizagem de Máquina a Seleção de Atributos faz parte do pré-processamento de dados e que pode corresponder a 80% da fase da mineração de dados, para isso se faz necessário um estudo sobre das abordagens utilizadas para fazer a seleção de um subconjunto de atributos que melhor generalize a base para ser induzido ao modelo de aprendizado de máquina. O objetivo deste trabalho é aplicar os processos de seleção de atributos com as seguintes abordagens filtro, wrapper e embutido, na base de dados do Instituto Nacional de Ciência e Tecnologia – Herbário Virtual da Flora e dos Fungos, esta base contém 87.732 registros e 51 atributos, sendo 119 coleções e sub-coleções, 86.967 registros online, 80.513 registros georreferenciados, 12.073 espécies aceitas distintas. A primeira fase dos processos de aprendizado de máquina é o pré-processamento, que analisará a base de dados e resultará em uma base mais genérica e pronta para aplicação dos modelos preditivos de classificação, após o filtro do subconjunto de atributos mais relevantes aplicam-se os algoritmos de Aprendizagem de Máquina, que nesta pesquisa foi: Árvore de Decisão, Rede Neural Artificial e Regressão Logística. A avalição dos modelos será através da matriz de confusão utilizando a acurácia e a análise da área sobre a curva ROC. Dentre os modelos estudados o de Regressão Logística obteve o desempenho de classificação de acurácia de 77,25%, com a abordagem filtro e 76,25% com a wrapper.

O processo de estimativa de teores, em qualquer etapa de um empreendimento mineiro, requer resultados confiáveis para a tomada de decisão ou para a entrega de produtos finais. Através da caracterização dos tipos de erros a que um protocolo de amostragem está exposto e da definição de diversas práticas corretas para eliminá-los, Pierre Gy desenvolveu a Teoria da Amostragem. Dentre os onze erros identificados, o erro fundamental de amostragem - Fundamental Sampling Error (FSE) - é o único que não pode ser anulado. A forma de estimar o FSE é tema abordado em diversas publicações, sendo que os dois métodos mais utilizados são o teste de heterogeneidade e o teste da árvore. A seleção da amostra inicial, a massa, o tipo e o local de coleta são alguns dos fatores que impactam diretamente no resultado final, que pode ser mascarado por variações estatísticas, frutos de erros não controlados. Este estudo tem como objetivo comparar os resultados de estimativa de FSE pelos testes de heterogeneidade e da árvore, e a estimativa utilizando observações mineralógicas em testemunhos de sondagem na fórmula de Gy. O presente trabalho foi realizado na mina Lamego, em Sabará, Minas Gerais, utilizando a rocha mineralizada em ouro, o quartzo fumê. A metodologia empregada para o teste de heterogeneidade baseou-se nos protocolos utilizados por Pitard, e o teste da árvore seguiu o protocolo proposto por François-Bongarçon, ambos especialistas e consultores em Amostragem. As análises demonstraram que a utilização somente dos resultados de observações mineralógicas, associados à fórmula de Gy, gerou um alto desvio e, consequentemente, um protocolo de baixa aplicabilidade. O teste de heterogeneidade, único que isola o FSE, apresentou desvio mais alto que o teste da árvore, ao contrário do esperado. A influência de clusters de ouro na fração grosseira gerou uma alta variabilidade nos resultados do teste de heterogeneidade e foi retirada do cálculo da estimativa da constante de heterogeneidade constitucional. Com base nos resultados, pôde-se concluir que o teste da árvore é a melhor opção de estimativa do FSE para o minério de ouro de Lamego. / Grade estimation at any stage of a mining project requires reliable results to guarantee best decisions or the delivery of final products. Characterizing the types of error to which sampling is exposed and defining several correct practices to diminish these errors, Pierre Gy developed the Theory of Sampling. From the eleven identified errors, the Fundamental Sampling Error (FSE) is the only one that will cannot become zero. The estimation of the FSE is a subject of many papers and the most common protocols used are the heterogeneity test and the sampling tree test. The selection of the primary sample, the mass, type and local of collection are some of the factors which directly impact on the final result, that could be masked by statistical variation on the data, rooted on non controlled errors. This study compares the results of FSE estimation by the heterogeneity test, the sampling tree method, and by using mineralogical observations from drill cores on Gy\'s formula. The study analyses the gold bearing smoky quartz from Lamego Mine, Sabará, Minas Gerais. The methodology for the heterogeneity test was based on the protocol used by Pitard, and the sampling tree method followed François-Bongarçon\'s protocol, both specialists and consultants on Sampling. The application of Gy\'s formula using mineralogical observations study resulted in a high deviation of the proposed protocol and this approach was discarded. The heterogeneity test, the only test on which the FSE is isolated, presented a higher deviation than the sampling tree experiment, contradicting the expected result. Gold clusters in the coarse fraction created a high variability of the results and this fraction had to be removed from the calculation of the constitutional heterogeneity constant. Based on the results, it could be concluded that the sampling tree test is the best option to estimate FSE for the Lamego gold ore.

O presente trabalho teve como objetivo principal a análise da rentabilidade do manejo sustentável da caixeta - Tabebuia cassinoides (Lam.) DC para proprietários de terra da região do Vale do Ribeira-SP. A sua rentabilidade foi comparada com uma outra alternativa econômica de uso da terra na região, a bananicultura. O estudo estima a rentabilidade da caixeta para proprietários de terra que vendem a madeira "em pé" e para os que vendem a madeira em toras no "porto". Para isso, cinco cenários para o aproveitamento de madeira (20, 30, 40, 60 e 110 mst/ha) foram considerados. Outro objetivo foi a análise da rentabilidade da atividade para agentes os caixeteiros que participam de seu processo de extração. A estrutura da cadeia produtiva (extração, processamento e comercialização) é analisada por meio do fluxo de produtos (e subprodutos) e do fluxo de informações da atividade na região de estudo. Em particular, o estudo estima a curva de crescimento da caixeta. Isto permite a análise do ponto ótimo de corte. Os objetivos foram atingidos por meio de pesquisa de campo realizada com proprietários de terra, caixeteiros e serrarias da região do Vale do Ribeira-SP. Os resultados mostram que não existe uma estrutura organizada e formal de negociação entre proprietários de terra, caixeteiros e serrarias e/ou outros compradores. Fatores como baixa demanda e, portanto, baixo preço da madeira de caixeta, além de dificuldades burocráticas na realização do plano de manejo, contribuem para a inexistência de uma estrutura eficiente e formal no fluxo de informação da atividade. A rentabilidade da atividade estimada para caixeteiros varia entre 3,0 e 4,5 salários mínimos/mês, representando interessante fonte de renda e trabalho se comparadas às alternativas de trabalho existentes na região. Entretanto, para o proprietário da terra a comparação da rentabilidade da caixeta vis-à-vis à da banana mostra que a da banana é muito superior à da caixeta e, logo, conclui-se que os proprietários de caixetais não possuem incentivo econômico para a preservação dessas áreas. / The profitability of sustainable management of Caixeta - Tabebuia cassinoides (Lam.) DC – for the landowners in the Vale do Ribeira region in the State of São Paulo, is the main objective of this study. Its profitability was compared to the production of banana which is an alternative for the land use in this region. The study also compares the returns to the landowers that sells Caixeta as a tree (unlogged) versus the ones that log themselves to sell it logged. Five cenarios for the yield were considered: 20, 30, 40, 60 and 110 mst/ha. Another objetive was to estimate the profitability for the professional loggers (caixeteiros). Caixeta’s production chain (logging, processing and trade) was analysed through production and information flowcharts. The study also estimates the growth curve for Caixeta's tree. This information is important to estimate its optimal logging age. The data used in the study were collected through interviews with landowners, caixeteiros and sawmill owners in the Vale do Ribeira region. The results show that the activity lacks a formal and organized production chain specially in terms of negotiation scheme between the market participants. The information does not seem to flow efficiently in the market as a consequence of low demand and price, besides the difficulties related to the process of elaboration and approval of Caixeta’s management plan. The activity seems to be financially attractive to the caixeteiros that make between 3,0 and 4,5 minimum wages/month. It is an interesting source of income if compared to the job alternatives in the region. However, to the landowners, the revenue obtained from Caixeta is much smaller that from banana. Thus, the owners of land under Caixeta trees do not have economic incentives to preserve this natural ecosystem.

Made available in DSpace on 2017-07-10T19:07:27Z (GMT). No. of bitstreams: 1 MAC DONALD.pdf: 2112336 bytes, checksum: 2e13b561803eb750d61fa3dea6202ca1 (MD5) Previous issue date: 2015-03-27 / The text is the result of a survey on remnants of cultural evocations of the Guarani culture in the tri-border region between Brazil, Paraguay and Argentina. Linked anthropology themes, sociology, philosophy and history, the text focuses on focus on some recurring images at the time of formation of the Itaipu Lake Reservoir, demonstrating the re-articulation of knowledge through the evocation of culturally significant images regionally. With the flood caused to the lake filling, the animals living in the affected region sought refuge in the trees in order to save their lives. This phenomenon, once registered, culminated in the creation of cultural reference crafts titled as "The Tree of Life", attributed to the Guarani Indians, and that served to unite references bases of fundamental beliefs and symbols of indigenous culture of this ethnic group with strong parallelism between facts and myths. In addition to the tree, the myths of the Flood, the search for Land Without Evil, among others, make up the Guarani phenomenology around the formation of the lake. Iconographic sources, written and narrated memories are used as a means of demonstrating the everyday experience of weaving the daily task of Pai-Tavytera or Kaiowa, Mbÿá and Ñandeva s Indians, all who became homeless at the time that Itaipu s International Lake was formed. / O texto resulta de uma pesquisa sobre evocações culturais de remanescentes da cultura guarani na região da tríplice fronteira entre Brasil, Paraguai e Argentina. Vinculado a temas da antropologia, sociologia, filosofia e história, o texto concentra-se em enfocar algumas imagens recorrentes no momento da formação do reservatório do lago de Itaipu, demonstrando a rearticulação de saberes mediante a evocação de imagens culturalmente significativas regionalmente. Com a inundação causada para o enchimento do lago, os animais que viviam na região afetada procuraram refugiar-se nas copas das árvores para poderem salvar suas vidas. Este fenômeno, uma vez registrado, culminou com a criação do artesanato de referência cultural intitulado como A Árvore da Vida , atribuído aos índios guarani, e que serviu para aglutinar bases referenciais de crenças e símbolos fundamentais da cultura indígena desta etnia, com forte paralelismo entre fatos e mitos. Além da árvore, os mitos do Dilúvio, a busca pela Terra sem Males, dentre outros, compõem a fenomenologia guarani em torno da formação do lago. Fontes iconográficas, memórias narradas e escritas são usadas como meio de demonstrar a experiência cotidiana de tecer o dia a dia na tarefa de sobrevivência de índios Pai-Tavytera ou Kaiowa, Mbÿá e os Ñandeva, todos os que foram desalojados no momento de formação do Lago Internacional de Itaipu.

A teca é uma árvore de grande importância comercial pelas características de cor e durabilidade de sua madeira. Devido a sua rusticidade e fácil adaptação ao clima, plantios de teca tornam-se cada vez mais atrativos ao redor do mundo. Contudo, esta espécie apresenta escassez de estudos genéticos moleculares a respeito tanto de sua madeira, quanto de sua tolerância às variações ambientais. Uma vez que o transcriptoma pode apresentar grande quantidade de informação a respeito dos genes expressos por um conjunto celular, neste trabalho foi realizado o primeiro transcriptoma de teca, onde foram sequenciadas flores, folhas, raízes e seedlings pela tecnologia Illumina. A montagem do transcriptoma foi realizada com o programa Trinity acima de 100 milhões de reads e gerou mais de 400 mil contigs, os quais tiveram as anotações funcionais adquiridas com o programa Blas2GO. 51% dos contigs foram anotados, mostrando alta similaridade com as espécies Vitis vinifera e Solanum licopersicum; destes, 78% obtiveram anotações funcionais com o Gene Ontology, totalizando 5.165 termos para Processo Biológico, 2.846 termos para Função Molecular e 742 para Componente Celular. A expressão diferencial foi obtida com o programa edgeR a 5% de probabilidade de erro e mostrou que, para 187.315 contigs montados através da fusão de todas as bibliotecas sequenciadas, 18 mostraram expressão diferencial para flor, 14 para folha, 13 para raiz e 29 para seedling. Após a etapa de caracterização do transcriptoma, foi realizado um experimento de estresse por déficit hídrico em casa-de-vegetação, onde plantas de teca foram submetidas a estresse Moderado (40% de água no substrato por 20 dias), estresse Severo (20 a 40% de água por 30 dias) e tratamento controle (substrato saturado). As medições através de analisador de gases por infravermelho (IRGA) mostraram queda na fotossíntese (até 70% a menos do que o controle), na transpiração (até 77%) e na condutância estomática (até 85%) entre os tratamentos; além disto, o conteúdo relativo de água foliar caiu 13% entre o tratamento severo e o controle, e níveis de prolina livre foram até 3,5 vezes mais altos nos tratamentos de estresse. A temperatura foliar aumentou significativamente com o aumento da irradiância de fótons aplicada. A busca por genes relacionados ao estresse por déficit hídrico na biblioteca de transcritos de Raiz retornou 1.145 sequências, e destas, 4 foram caracterizadas: TgTPS (trealose 6-fosfato sintase), TgPIP (aquaporina, proteína intrínseca de membrana plasmática), TgDREB2 (proteína de ligação a elemento responsivo a desidratação) e TgAREB (proteína de ligação a elemento responsivo a ácido abscísico). Apenas TgTPS, TgPIP e TgDREB2 mostraram alto grau de conservação entre as espécies, podendo ser corretamente amplificadas via PCR e validadas por sequenciamento. Assim, com o banco de dados de transcritos obtido pelo RNA-seq, foi possível identificar genes candidatos ao estudo de características vegetativas e reprodutivas de teca, contribuindo para entender os mecanismos moleculares desta espécie florestal. / Teak is a tree of great commercial importance by the characteristics of color and durability of its wood. Due to its hardiness and easy adaptation to climate, teak plantations become increasingly attractive around the world. However, this species has a lack of molecular genetic studies on both of its wood, as their tolerance to environmental variations. Once the transcriptome can provide lots of information about the genes expressed by a cell group, this work represents the first transcriptome teak, which were sequenced flowers, leaves, roots and seedlings by Illumina technology. The transcriptome assembly was performed with Trinity program above 100 million reads and generated more than 400,000 contigs, which have acquired the functional annotations with Blas2GO program. 51% of the contigs were annotaded, showing high similarity to Vitis vinifera and Solanum licopersicum; of these, 78% had functional annotations with the Gene Ontology, totaling 5,165 terms for Biological Process, 2846 terms for Molecular Function and 742 for Cell Component. The differential expression was obtained with the edgeR program at 5% probability of error and showed that for 187,315 contigs assembled by merging all sequenced libraries, 18 showed differential expression to flower, 14 to leaf, 13 to root and 29 for seedling. After this step of characterization of the transcriptome, we performed a stress experiment by water deficit at greenhouse, where teak plants were subjected to Moderate stress (40% of water in the substrate for 20 days), Severe stress (20 to 40% water for 30 days) and control treatment (saturated substrate). Measurements by infrared gas analyzer (IRGA) showed a decrease in photosynthesis (up to 70% less than the control), transpiration (up 77%) and stomatal conductance (up 85%) between treatments; furthermore, leaf relative water content dropped 13% between the treatment control and severe, and free proline levels were up to 3.5 fold greater in stress treatments. The leaf temperature increased significantly with increasing irradiance of photons applied. The search for genes related to stress by water deficit in the root transcripts library returned 1,145 sequences, and these, 4 were characterized: TgTPS (trehalose 6-phosphate synthase), TgPIP (aquaporin, protein intrinsic of plasma membrane), TgDREB2 (dehydration responsive element binding protein) and TgAREB (abscisic acid responsive element binding protein). Only TgTPS, TgPIP and TgDREB2 showed a high degree of conservation between species, and can be properly amplified by PCR and validated by sequencing. Thus, with the database of transcripts obtained by RNA-seq, candidate genes were identified for the study of vegetative and reproductive characteristics teak, helping to understand the molecular mechanisms of this forest species.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-03-07T19:04:39Z No. of bitstreams: 1 lucasdiegomotameneses.pdf: 10631997 bytes, checksum: be72daf41245404c708aab9a8c58d9a1 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-03-10T12:23:50Z (GMT) No. of bitstreams: 1 lucasdiegomotameneses.pdf: 10631997 bytes, checksum: be72daf41245404c708aab9a8c58d9a1 (MD5) / Made available in DSpace on 2017-03-10T12:23:50Z (GMT). No. of bitstreams: 1 lucasdiegomotameneses.pdf: 10631997 bytes, checksum: be72daf41245404c708aab9a8c58d9a1 (MD5) Previous issue date: 2016-09-30 / Modelos computacionais de árvores arteriais são utilizados como substratos geométricos em simulações hemodinâmicas. A construção destes modelos é mandatória para adequada representação das redes vasculares periféricas devido à escassez de dados anatômicos destas redes. Os modelos relatados na literatura são classificados em: anatômico, a parâmetro condensado, fractal e otimizados. O crescimento dos modelos fractais e otimizados dependem de uma lei de bifurcação, que controla a relação entre os raios dos vasos envolvidos na bifurcação através de um expoente. Neste trabalho, investiga-se a construção de modelos otimizados inspirados no método CCO (Constrained Constructive Optimization) usando novas abordagens para a escolha do expoente da lei de bifurcação. Estas estratégias são formuladas com funções degrau e sigmoidal dependentes do número de bifurcações proximais. Os dados morfométricos dos modelos são comparados com outros experimentais e teóricos da literatura. Os resultados obtidos comprovam que o expoente de bifurcação influencia nas estruturas geométrica e topológica dos modelos. / Computational models of arterial trees are used as geometric substrates in hemodynamic simulations. The construction of these models is mandatory for appropriated representation of the peripheral vascular networks due to lack of anatomical data of these networks. The models reported in the literature are classified into: anatomical, lumped parameter, fractal and optimized. The growth of the fractal and optimized models depend on a bifurcation law, which controls the relationship between the radii of the vessels involved in the bifurcation through an exponent. This work investigates the construction of optimized models inspired by the CCO (Constructive Constrained Optimization) method using new approaches to the choice of the exponent of the bifurcation law. Theses strategies are formulated as step and sigmoid functions depend on number of proximal bifurcations. Morphometric data from models are compared with other experimental and theoretical data of the literature. The results obtained show that the bifurcation exponent influences the geometrical and topological structures of the models.

A escolha do sistema de tratamento de esgoto sanitário a ser instalado em uma cidade pode tornar-se uma difícil decisão, uma vez que diversas variáveis interferem em seu custo e em sua qualidade ambiental. Este trabalho pretende mostrar a possibilidade de se usar técnicas da análise de decisão para a escolha do sistema de tratamento de esgoto sanitário de forma ecológica e econômica, como árvore de decisão e análise de sensibilidade. Para a avaliação dos sistemas, foi desenvolvido um modelo com oito alternativas, compostas de processos biológicos anaeróbios – Reator Anaeróbio de Manta de Lodo e Lagoa Anaeróbia – seguidos de aeróbios – Lodos Ativados, Lagoa Facultativa, Filtro Biológico Percolador e Lagoa Aerada com Lagoa de Decantação. O modelo elabora o dimensionamento das unidades de tratamento e, a partir desses dados, a estimativa de custo de cada sistema. O custo total de cada alternativa foi composto por itens de implantação, operação e manutenção. O modelo foi avaliado para quatro casos de populações distintas, apresentando variação nas alternativas mais indicadas para cada um. A análise de sensibilidade se mostrou eficaz em identificar as alternativas mais significativas no custo total dos sistemas. Os resultados encontrados indicam, de maneira promissora, que o modelo poderá auxiliar a escolha de sistemas de tratamento, bem como seu pré-dimensionamento, com base em características peculiares à sua localidade. / The selection of the wastewater treatment system to be installed in a city can be a difficult decision, once several variables interfere in its cost and in its environmental quality. This study intends to show the possibility of using techniques of decision analysis to select the wastewater treatment system in an ecological and economical way, as decision tree and sensitivity analysis. For the evaluation of systems, a model was developed with eight alternatives, composed of anaerobic biological process - Upflow Anaerobic Sludge Blanket and Anaerobic Pond - followed by aerobic process – Activated-Sludge, Facultative Pond, Trickling Filter and Aerated Lagoon with Sedimentation Basin. The model elaborates the treatment units dimensioning and cost estimation of each system, based on dimensioning data. The total cost of each alternative was composed by construction, operation and maintenance items. The model was evaluated using four cases of different populations, presenting variation in the most suitable alternatives for each one. The sensitivity analysis was shown effective in identifying the most significant alternatives in the total cost of the systems. The results indicate, in a promising way , that the model will be able to help the choice of treatment systems, as well as its pre-dimensioning, based in local peculiar characteristics.

[pt] A segmentação de documentos HTML tem sido essencial para as tarefas de extração de informações, como mostram vários estudos na área. Nesta dissertação investigamos a relação entre o documento HTML e sua representação visual, mostrando como esta ligação ajuda na abordagem estrutural para a identificação de segmentos. Também investigamos como utilizar algoritmos de distância de edição em árvores para encontrar padrões na árvore DOM, tornando possível resolver duas tarefas de identificação de segmentos. A primeira tarefa é a identificação de tabelas genuínas, aonde foi obtido 90,40% de F1 utilizando o corpus fornecido por (Wang e Hu, 2002). Mostramos através de um estudo experimental que este resultado é competitivo com os melhores resultados da área. A segunda tarefa que consideramos é a identificação de listas de produtos em sites de comércio eletrônico, nessa obtivemos 94,95% de F1 utilizando um corpus com 1114 documentos HTML, criado a partir de 8 sites. Concluímos que os algoritmos de similaridade estrutural ajudam na resolução de ambas às tarefas e acreditamos que possam ajudar na identificação de outros tipos de segmentos. / [en] The segmentation of HTML documents has been essential to information extraction tasks, as showed by several works in this area. This paper studies the link between an HTML document and its visual representation to show how it helps segments identification using a structural approach. For this, we investigate how tree edit distance algorithms can find structural similarities in a DOM tree, using two tasks to execute our experiments. The first one is the identification of genuine tables where we obtained a 90.40% F1 score using the corpus provided by (Wang e Hu, 2002). We show through an experimental study that this result is competitive with the best results in the area. The second task studied is the identification of product listings in e-commerce sites. Here we get a 94.95% F1 score using a corpus with 1114 HTML documents from 8 distinct sites. We conclude that algorithms to calculate trees similarity provide competitive results for both tasks, making them also good candidates to identify other types of segments.

Um espaço métrico é definido por um conjunto de objetos e uma função de distância métrica, que é utilizada para avaliar o nível de similaridade entre estes objetos. Isto permite a elaboração de Métodos de Acesso Métricos (MAMs) capazes de responder consultas por similaridade nesses conjuntos em um tempo reduzido. Em geral, esses MAMs são materializados através de uma estrutura hierárquica chamada de árvore métrica. Normalmente essas árvores são mantidas balanceadas, pois isto tende a manter a altura da árvore mínima, reduzindo o número de acessos a disco necessários para responder às consultas. No entanto, é difícil manter as estruturas balanceadas sem a existência de sobreposição entre os nós que cobrem regiões de alta densidade de objetos. O efeito disto é a degradação do tempo das consultas, pois várias subárvores devem ser analisadas para compor as consultas. Em outras palavras, minimizar a sobreposição entre os nós aumenta a eficiência das árvores métricas. Um meio efetivo para isto é flexibilizar o balanceamento das árvores métricas. Este trabalho apresenta um novo MAM dinâmico, chamado de DBM-tree (Density-Based Metric tree), que permite flexibilizar o balanceamento da estrutura, minimizando o grau de sobreposição entre os nós em regiões densas e, conseqüentemente, aumentando o seu desempenho para responder às consultas. Essa flexibilização é ajustada pelo usuário e é rigidamente controlada pela estrutura. A profundidade da árvore é maior em regiões de alta densidade, procurando um equilíbrio entre o número de acessos a disco para avaliar múltiplas subárvores e para a busca em profundidade em cada subárvore. A DBM-tree possui um algoritmo de otimização chamado de DBM-Slim-Down, que melhora o desempenho das árvores através da reorganização de elementos entre os seus nós. Os experimentos feitos com dados reais e sintéticos mostram que a DBM-tree supera em desempenho os MAMs tradicionais. Ela é, em média, 50% mais rápida que os MAMs tradicionais e reduz o número de acessos a disco e cálculos de distância em até 50%. Depois de executado o algoritmo DBM-Slim-Down, o seu desempenho melhorou em até 30% para as consultas por abrangência e aos vizinhos mais próximos. Ainda, a DBM-tree é escalável considerando tempo total de processamento, número de acessos a disco e de cálculos de distância em relação ao tamanho do conjunto de dados indexado. / A metric space is defined as a set of objects and a metric distance function that is used to measure the similarity between these objects. It allows the development of Metric Access Methods (MAMs) that are able to answer similarity queries in these datasets quickly. Usually these MAMs are materialized through a hierarchical structure called metric trees. These trees are kept balanced because it tends to maintain the height of the tree small, aiming to reduce the number of disk access required to answer queries. However, it is difficult to maintain the tree balanced without overlapping nodes covering a large number of objects, leading to the degradation of query performance. In other words, reducing the overlap among nodes increases the performance of metric trees. A possible solution is to relax the need to keep metric trees balanced. This work presents a new dynamic MAM called DBM-tree (Density-Based Metric tree), which changes the rule that imposes a rigid balancing policy, allowing a small amount of unbalancing in some regions of it. This unbalancing minimizes the degree of overlapping among some high-density nodes and, consequently, increases query answering performance. The amount of relaxation is set by the user and is strongly enforced in the tree. The height of the tree is higher in high-density regions, in order to keep a balance between searching in various subtrees and searching deeply in each subtree. The DBM-tree has an optimization algorithm called DBM-Slim-Down that improves the performance in trees through reorganizing the elements among its nodes. The experiments performed over synthetic and real-world datasets showed that the DBM-tree outperforms the traditional MAMs. The DBM-tree is, in average, 50% faster than traditional MAMs and reduces the number of distance calculations and disk accesses up to 50%. After executing the DBM-Slim-Down algorithm, the performance achieves improvements up to 30% for range and k-nearest neighbor queries. Moreover, the DBM-tree is scalable regarding time, number of disk accesses and distance calculations.

A demonstração feita por Erdos da existência de grafos com cintura e número cromático grandes é uma das primeiras aplicações do método probabilístico. Essa demonstração fornece um limite para o número de vértices de um grafo desse tipo, que é exponencial na cintura quando o número cromático é fixado. O foco deste texto, no entanto, são as construções determinísticas de grafos com cintura e número cromático grandes e os números de vértices dos grafos obtidos. As construções elementares conhecidas fornecem apenas grafos com um número Ackermanniano de vértices. O texto começa com uma breve repetição das demonstrações probabilísticas da existência de grafos e hipergrafos com cintura e número cromático grandes. Depois, a busca por construções determinísticas é motivada apresentando-se algumas construções para o caso particular de grafos livres de triângulo e com número cromático grande. São construídos os grafos de Tutte, Zykov, Mycielski e Kneser, os grafos de shift e os de planos projetivos finitos. Os números de vértices dessas construções são computados e comparados. De fato, a construção a partir de planos projetivos finitos tem um número polinomial de vértices. A parte principal do texto são as construções de grafos e hipergrafos com cintura e número cromático grandes. A primeira construção apresentada foi feita por Kriz. Ela foi a primeira construção para grafos com cintura e número cromático grandes que não envolvia hipergrafos. A segunda construção apresentada foi feita por Nesetril e Rödl. Essa construção antecede a de Kriz. Ela utiliza a amalgamação entre grafos e hipergrafos para obter um hipergrafo uniforme com cintura e número cromático grandes. A terceira e última construção apresentada foi encontrada por Alon, Kostochka, Reiniger, West e Zhu. Essa construção consegue obter hipergrafos uniformes com cintura e número cromático grandes diretamente a partir de um grafo, que é uma certa árvore aumentada. Em particular, essa construção obtém grafos com cintura e número cromático grandes sem envolver hipergrafos. Os números de vértices dos hipergrafos obtidos por essas construções são computados e comparados. / The proof by Erdos of the existence of graphs with high girth and high chromatic number is one of the first applications of the probabilistic method. This proof gives a bound on the number of vertices of such graphs, which is exponential on the girth if the chromatic number is fixed. The focus of this text is however on the deterministic construction of graphs with high girth and high chromatic number and on the number of vertices of the obtained graphs. The elementary known constructions can only give us graphs with an Ackermannian number of vertices. We begin by briefly repeating the probabilistic proofs of the existence of graphs and hypergraphs with high girth and high chromatic number. Then we motivate the search for deterministic constructions of such graphs by showing some constructions for the special case of triangle-free graphs with high chromatic number. We construct Tutte, Zykov, Mycielski and Kneser graphs, the shift graphs and graphs built from finite projective planes. We count and compare the number of vertices of the graphs obtained by each of these constructions. In fact, the construction based on finite projective planes gives us graphs with a polynomial number of vertices. The main part of the text consists of constructions of graphs and hypergraphs with high girth and high chromatic number. The first construction we present is due to Kriz. This was the first construction to give graphs with high girth and high chromatic number without using hypergraphs. The second construction we present is due to Nesetril and Rödl. This construction precedes the one by Kriz. It uses amalgamations between graphs and hypergraphs to obtain uniform hypergraphs with high girth and high chromatic number. The third and last construction we show was found by Alon, Kostochka, Reiniger, West and Zhu. This construction manages to build uniform hypergraphs with high girth and high chromatic number directly from a single graph, which is an augmented-tree. In particular, it constructs graphs with high girth and high chromatic number without using hypergraphs. We count and compare the number of vertices of the hypergraphs obtained by these constructions.