Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-31T18:34:57Z No. of bitstreams: 1 FELIPE BARBOSA ARAÚJO RAMOS - DISSERTAÇÃO PPGCC 2014..pdf: 8328573 bytes, checksum: 0548a10a7939d0db863b085abd12dbd5 (MD5) / Made available in DSpace on 2018-07-31T18:34:57Z (GMT). No. of bitstreams: 1 FELIPE BARBOSA ARAÚJO RAMOS - DISSERTAÇÃO PPGCC 2014..pdf: 8328573 bytes, checksum: 0548a10a7939d0db863b085abd12dbd5 (MD5) Previous issue date: 2014-06-30 / Os Sistemas de Recomendação vêm sendo utilizados em diversos domínios de aplicação, mais recentemente, no domínio de TV (TV Digital, Smart TV, etc). Várias abordagens podem ser utilizadas para recomendar itens ou tags, baseadas principalmente no feedback dos usuários. Porém, no domínio de TV Digital a obtenção de feedback explícito é feita usualmente por meio do controle remoto, que deve ser evitado para maximizar a experiência do usuário ao ver TV. Além disso, como no contexto de Smart TV vários tipos de itens podem ser recomendados (filmes, músicas, livros, etc) a recomendação deve ser genérica o suficiente para se adequar a diferentes conteúdos. Portanto, para contornar o problema de obtenção de feedback e gerar recomendações que possam ser usadas por diferentes aplicações de Smart TV, neste trabalho é proposta uma arquitetura de recomendação baseada na extração e classificação de termos por meio da análise de descritivos textuais de programas de TV presentes nos guias de programação. A fim de validar a solução proposta, um protótipo usando um conjunto de dados real foi desenvolvido, mostrando que a partir dos termos recomendados é possível gerar recomendações finais para diferentes aplicações de Smart TV. / mmendation systems have been used in several application domains, most recently for TV (Digital TV, Smart TV, etc). Several existing approaches can be used to recommend items or tags, mainly based on user feedback. However, in the Digital TV domain, user feedback has to be done generally by using the remote control, which should be avoided to improve user experience. Moreover, in the Smart TV environment several types of items can be recommended (movies, music, books, etc). Thus, the recommendation should be generic enough to suit to different content. Therefore, to solve the problem of acquiring feedback and still generate personalized recommendations to be used by different Smart TV applications, this work proposes a recommendation architecture based on the extraction and classification of terms by analyzing the textual descriptions of TV programs present on electronic programming guides. In order to validate the proposed solution, a prototype using a real dataset has been developed, showing that from the recommended terms is possible to generate final recommendations for different Smart TV applications

A busca de informações em bases de dados de instituições que possuem grande volume de dados necessita cada vez mais de processos mais eficientes para realização dessa tarefa. Problemas de grafia, idioma, sinonímia, abreviação de termos e a falta de padronização dos termos, tanto nos argumentos de busca, quanto na indexação dos documentos, interferem diretamente nos resultados. Diante disso, este estudo teve como objetivo avaliar o impacto da adição de vocabulários estruturados da área de Ciências da Saúde no Currículo Lattes, na recuperação de perfis similares de pesquisadores das áreas de Ciências Biológicas e Ciências da Saúde, utilizando técnicas de mineração de dados, expansão de consultas, modelos vetoriais de consultas e utilização de algoritmo de trigramas. Foram realizados cruzamentos de informações entre as palavras-chaves de artigos publicados registrados no Currículo Lattes e as informações contidas no Medical Subject Headings (MeSH) e nos Descritores em Ciências da Saúde (DeCS), bem como comparações entre os resultados das consultas, utilizando as palavras-chaves originais e adicionando-lhes os termos resultantes do processo de expansão de consultas. Os resultados mostram que a metodologia adotada neste estudo pode incrementar qualitativamente o universo de perfis recuperados, podendo dessa forma contribuir para a melhoria dos Sistemas de Informações do Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq. / Information retrieval in large databases need increasingly more efficient ways for accomplishing this task. There are many problems, like spelling, language, synonym, acronyms, lack of standardization of terms, both in the search arguments, as in the indexing of documents. They directly interfere in the results. Thus, this study aimed to evaluate the impact of the addition of structured vocabularies of Health Sciences area in Lattes Database, in the recovery of similar profiles of researchers that work in Biological Sciences and Health Sciences, using Query Expansion, Data Mining procedures, Vector Models and Trigram Phrase Matching algorithm. Crosschecking keywords of articles registered in Lattes Database and Medical Subject Headings (MeSH) and Health Sciences Descriptors (DeCS) terms, as well as comparisons between the results of queries using the original keywords and adding them to query expansion terms. The results show that the methodology used in this study can qualitatively increase the set of recovered profiles, contributing to the improvement of CNPq Information Systems.

A presente tese versa sobre a construção de um Sistema de Recomendação (SR), denominado RecETC (Recomendador do ETC), para auxiliar no processo de Escrita Coletiva Digital (ECD) no Editor de Texto Coletivo (ETC). O RecETC tem como propósito a recomendação de materiais nos formatos de texto, imagens e vídeos, acerca do assunto que está sendo tratado na produção textual coletiva. Para a sua construção, utilizou-se da metodologia de estudo de caso através da abordagem qualitativa e quantitativa. Para isso, esta pesquisa foi desenvolvida em seis etapas, a saber: 1) Estudo teórico sobre as temáticas de Sistemas de Recomendação e Escrita Coletiva Digital, visando aprofundar o conhecimento nas respectivas áreas e identificar trabalhos correlatos. 2) Construção de Objetos de Aprendizagem produzidos como material de apoio para os cursos de extensão. 3) Desenvolvimento da primeira versão do RecETC. 4) Aplicação da primeira versão através de um curso piloto. 5) Desenvolvimento da segunda versão do RecETC 6) Aplicação da segunda versão em curso de extensão. Os dados foram coletados por meio de questionários e analisados tendo como base a metodologia de Análise de Conteúdo, o que possibilitou a definição de três categorias: Categoria I - O ETC como ambiente de Escrita Coletiva Digital, Categoria II - Requisitos técnicos do RecETC e Categoria III - Requisitos pedagógicos do RecETC. A partir do estudo do referencial teórico, do desenvolvimento e da análise das aplicações do RecETC por meio das categorias definidas, foi possível mapear os requisitos necessários para a sua construção e responder ao problema de pesquisa. Esses foram classificados em técnicos e/ou pedagógicos visando enfatizar os aspectos de funcionamento e as contribuições educacionais do RecETC para a ECD. Além disso, foi elaborado um plano de ação para auxiliar professores e alunos na ECD com o apoio do RecETC. Por fim, os resultados indicam que o desenvolvimento do RecETC atende ao propósito desse estudo e os requisitos identificados podem servir de referência para a construção de outros SR voltados para a ECD. / The present thesis deals with the construction of a Recommendation System (SR), called RecETC (ETC Recommender), to assist in the Digital Collective Writing (ECD) process in the Collective Text Editor (ETC). RecETC purpose is to recommend materials in text, image and video formats about the subject being treated in collective textual production. For its construction, it was used the methodology of case study through the qualitative and quantitative approach. For this, this research was developed in six stages, namely: 1) Theoretical study on the topics of Recommendation Systems and Digital Collective Writing, aiming to deepen the knowledge in the respective areas and to identify related works. 2) Construction of Learning Objects produced as support material for extension courses. 3) Development of the first version of RecETC. 4) Application of the first version through a pilot course. 5) Development of the second version of RecETC 6) Application of the second version in the course of extension. The data were collected through questionnaires and analyzed based on the Content Analysis methodology, which enabled the definition of three categories: Category I - ETC as a Digital Collective Writing environment, Category II - Technical requirements of RecETC and Category III - Pedagogical requirements of RecETC. From the study of the theoretical reference, development and analysis of RecETC applications through the defined categories, it was possible to map the necessary requirements for its construction and to respond to the research problem. These were classified as technical and / or pedagogical in order to emphasize the functional aspects and educational contributions of RecETC to ECD. In addition, a plan of action was developed to assist teachers and students in ECD with the support of RecETC. Finally, the results indicate that the development of RecETC fulfills the purpose of this study and the requirements identified can serve as a reference for the construction of other SRs focused on ECD.

A busca de informações em bases de dados de instituições que possuem grande volume de dados necessita cada vez mais de processos mais eficientes para realização dessa tarefa. Problemas de grafia, idioma, sinonímia, abreviação de termos e a falta de padronização dos termos, tanto nos argumentos de busca, quanto na indexação dos documentos, interferem diretamente nos resultados. Diante disso, este estudo teve como objetivo avaliar o impacto da adição de vocabulários estruturados da área de Ciências da Saúde no Currículo Lattes, na recuperação de perfis similares de pesquisadores das áreas de Ciências Biológicas e Ciências da Saúde, utilizando técnicas de mineração de dados, expansão de consultas, modelos vetoriais de consultas e utilização de algoritmo de trigramas. Foram realizados cruzamentos de informações entre as palavras-chaves de artigos publicados registrados no Currículo Lattes e as informações contidas no Medical Subject Headings (MeSH) e nos Descritores em Ciências da Saúde (DeCS), bem como comparações entre os resultados das consultas, utilizando as palavras-chaves originais e adicionando-lhes os termos resultantes do processo de expansão de consultas. Os resultados mostram que a metodologia adotada neste estudo pode incrementar qualitativamente o universo de perfis recuperados, podendo dessa forma contribuir para a melhoria dos Sistemas de Informações do Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq. / Information retrieval in large databases need increasingly more efficient ways for accomplishing this task. There are many problems, like spelling, language, synonym, acronyms, lack of standardization of terms, both in the search arguments, as in the indexing of documents. They directly interfere in the results. Thus, this study aimed to evaluate the impact of the addition of structured vocabularies of Health Sciences area in Lattes Database, in the recovery of similar profiles of researchers that work in Biological Sciences and Health Sciences, using Query Expansion, Data Mining procedures, Vector Models and Trigram Phrase Matching algorithm. Crosschecking keywords of articles registered in Lattes Database and Medical Subject Headings (MeSH) and Health Sciences Descriptors (DeCS) terms, as well as comparisons between the results of queries using the original keywords and adding them to query expansion terms. The results show that the methodology used in this study can qualitatively increase the set of recovered profiles, contributing to the improvement of CNPq Information Systems.

A presente tese versa sobre a construção de um Sistema de Recomendação (SR), denominado RecETC (Recomendador do ETC), para auxiliar no processo de Escrita Coletiva Digital (ECD) no Editor de Texto Coletivo (ETC). O RecETC tem como propósito a recomendação de materiais nos formatos de texto, imagens e vídeos, acerca do assunto que está sendo tratado na produção textual coletiva. Para a sua construção, utilizou-se da metodologia de estudo de caso através da abordagem qualitativa e quantitativa. Para isso, esta pesquisa foi desenvolvida em seis etapas, a saber: 1) Estudo teórico sobre as temáticas de Sistemas de Recomendação e Escrita Coletiva Digital, visando aprofundar o conhecimento nas respectivas áreas e identificar trabalhos correlatos. 2) Construção de Objetos de Aprendizagem produzidos como material de apoio para os cursos de extensão. 3) Desenvolvimento da primeira versão do RecETC. 4) Aplicação da primeira versão através de um curso piloto. 5) Desenvolvimento da segunda versão do RecETC 6) Aplicação da segunda versão em curso de extensão. Os dados foram coletados por meio de questionários e analisados tendo como base a metodologia de Análise de Conteúdo, o que possibilitou a definição de três categorias: Categoria I - O ETC como ambiente de Escrita Coletiva Digital, Categoria II - Requisitos técnicos do RecETC e Categoria III - Requisitos pedagógicos do RecETC. A partir do estudo do referencial teórico, do desenvolvimento e da análise das aplicações do RecETC por meio das categorias definidas, foi possível mapear os requisitos necessários para a sua construção e responder ao problema de pesquisa. Esses foram classificados em técnicos e/ou pedagógicos visando enfatizar os aspectos de funcionamento e as contribuições educacionais do RecETC para a ECD. Além disso, foi elaborado um plano de ação para auxiliar professores e alunos na ECD com o apoio do RecETC. Por fim, os resultados indicam que o desenvolvimento do RecETC atende ao propósito desse estudo e os requisitos identificados podem servir de referência para a construção de outros SR voltados para a ECD. / The present thesis deals with the construction of a Recommendation System (SR), called RecETC (ETC Recommender), to assist in the Digital Collective Writing (ECD) process in the Collective Text Editor (ETC). RecETC purpose is to recommend materials in text, image and video formats about the subject being treated in collective textual production. For its construction, it was used the methodology of case study through the qualitative and quantitative approach. For this, this research was developed in six stages, namely: 1) Theoretical study on the topics of Recommendation Systems and Digital Collective Writing, aiming to deepen the knowledge in the respective areas and to identify related works. 2) Construction of Learning Objects produced as support material for extension courses. 3) Development of the first version of RecETC. 4) Application of the first version through a pilot course. 5) Development of the second version of RecETC 6) Application of the second version in the course of extension. The data were collected through questionnaires and analyzed based on the Content Analysis methodology, which enabled the definition of three categories: Category I - ETC as a Digital Collective Writing environment, Category II - Technical requirements of RecETC and Category III - Pedagogical requirements of RecETC. From the study of the theoretical reference, development and analysis of RecETC applications through the defined categories, it was possible to map the necessary requirements for its construction and to respond to the research problem. These were classified as technical and / or pedagogical in order to emphasize the functional aspects and educational contributions of RecETC to ECD. In addition, a plan of action was developed to assist teachers and students in ECD with the support of RecETC. Finally, the results indicate that the development of RecETC fulfills the purpose of this study and the requirements identified can serve as a reference for the construction of other SRs focused on ECD.

Submitted by JÚLIO HEBER SILVA (julioheber@yahoo.com.br) on 2018-02-19T11:16:14Z No. of bitstreams: 2 Dissertação - Fernando Henrique da Silva - 2018.pdf: 7574243 bytes, checksum: 54853391be8cd76fc74017985311ad09 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-02-19T11:31:02Z (GMT) No. of bitstreams: 2 Dissertação - Fernando Henrique da Silva - 2018.pdf: 7574243 bytes, checksum: 54853391be8cd76fc74017985311ad09 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-02-19T11:31:02Z (GMT). No. of bitstreams: 2 Dissertação - Fernando Henrique da Silva - 2018.pdf: 7574243 bytes, checksum: 54853391be8cd76fc74017985311ad09 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-02-16 / Hemotherapy units has difficulties to optimize the search for blood donors in emergency situations, as well as to keep their blood stocks at adequate levels. On the other hand, the use of computational techniques for prediction has obtained promissing results in several areas of knowledge, and can be seen as a fundamental tool in obtaining blood donations, however, are little explored in this sector. Given this gap, this research aimed to analyze and develop prediction techniques to optimize the search for donors with higher conversion rate to the donation, focusing on data mining techniques. For this, we first analyzed the performance of traditional literature classifiers applied to a real database, which produced unsatisfactory prediction results. Seeking for higher quality results we propose a top-k recommendation approach of blood donors, which uses heuristics to estimate a confidence degree in donation. Computational experiments show that the top-k recommendation approach achieves good results for all three developed heuristics. The support vector-based heuristic achieving 94.09% of precision among the top-10 recommended, and 99.90% of precision for top-1, for the same data set that the classifiers were not successful. It is expected that the results of this research will contribute to the academic community due to the variety of classifiers analyzed and especially due to the proposed top-k recommendations approach. In the future, this approach can be better analyzed with other databases and even improved by the development of new heuristics. In addition, it is believed that the developed top-k approach can be used in health prediction systems, with a focus on predicting blood donors, especially in emergency situations. / Unidades Hemoterápicas encontram dificuldades para otimizar a busca por doadores de sangue em situações de emergência, assim como para manter seus estoques sanguíneos em níveis adequados. Por outro lado, a utilização de técnicas computacionais de predição tem obtido ótimos resultados em várias áreas do conhecimento, podendo ser vista como uma ferramenta fundamental na obtenção de doações de sangue, contudo, são pouco exploradas neste setor. Dado esta lacuna, este trabalho objetivou em analisar e desenvolver técnicas de predição para otimizar a busca por doadores com maior taxa de conversão à doação, com foco em técnicas de mineração de dados. Para isto, primeiramente analisou-se o desempenho de classificadores tradicionais da literatura aplicados a uma base de dados real, o que produziu resultados de predição insatisfatórios. Na busca de resultados de maior qualidade foi proposta uma abordagem de recomendação dos top-k, que utiliza heurísticas para a estimar a confiança em doação. Experimentos computacionais demonstram que a abordagem de recomendação top-k alcança bons resultados para todas as três heurísticas desenvolvidas. A heurística baseada em vetores de suporte obteve taxas de precisão de 94,09% entre os top-10 recomendados, chegando a 99,90% de precisão para o top-1, para a mesma base em que não se obteve sucesso com o uso de classificadores. É esperado que os resultados deste trabalho contribuam para a comunidade acadêmica devido a variedade de classificadores analisados e principalmente pela abordagem de recomendações top-k proposta. Futuramente esta abordagem poderá ser melhor analisada com outras bases de dados e até mesmo aprimorada pelo desenvolvimento de novas heurísticas. Além disso, acredita-se que a abordagem top-k desenvolvida possa ser utilizada em sistemas predição na área da saúde, com foco na predição de doadores de sangue principalmente em situações de emergência.

Context. Bug tracking systems play an important role in software maintenance. They allow users to submit bug reports. However, it has been observed that often a bug report submitted is a duplicate (when several users submit bug reports for the same problem, these reports are called duplicated issue reports) which results in considerable duplicate bug reports in a bug tracking system. Solutions for automating the process of duplicate bug reports detection can increase the productivity of software maintenance activities, as new incoming bug reports are directly compared with the existing bug reports to identify their similar bug reports, which is no need for the human to spend time reading, understanding, and searching. Although recently there has been considerable research on such solutions, there is still much room for improvement regarding accuracy and recall rate during the duplicate detection process. Besides, very few tools were evaluated in an industrial setting. Objectives. In this study, firstly, we aim to characterize automated duplicate bug report detection methods by exploring categories of all those methods, identifying proposed evaluation methods, specifying performance difference between the categories of methods. Then we propose a method leveraging recent advances on using semantic model – Doc2vec and present an overall framework - preprocessing, training a semantic model, calculating and ranking similarity, and retrieving duplicate bug reports of the proposed method. Finally, we apply an experiment to evaluate the performance of the proposed method and compare it with the selected best methods for the task of duplicate bug report detection Methods. To classify and analyze all existing research on automated duplicate bug report detection, we conducted a systematic mapping study. To evaluate our proposed method, we conducted an experiment with an identified number of bug reports on the internal bug report database of Axis Communication AB. Results. We classified automated duplicate bug report detection techniques into three categories - TOP N recommendation and ranking approach, binary classification approach, and decision-making approach. We found that recall-rate@k is the most common evaluation metric, and found that TOP N recommendation and ranking approach has the best performance among the identified approaches. The experimental results showed that the recall rate of our proposed approach is significantly higher than the combination of TF-IDF with Word2vec and the combination of TF-IDF with LSI. Our combination of Doc2vec and TF-IDF approach, has a recall rate@1-10 of 18.66%-42.88% in the TROUBLE data, which is an improvement of 1.63%-9.42% to the state-of-art. Conclusions. In this thesis, we identified and classified 44 automated duplicate bug report detection research papers by conducting a systematic mapping study. We provide an overview of the state-of-art, identifying evaluation metrics, investigating the scientific evidence in the reported results, and identifying needs for future research. We implemented a bug tracking system with a duplicate bug report detection module where a list of Top-N related bug reports (along with a numerical value representing a similar score) is created. After conducting the experiment, we found that our proposed approach - the combination of Doc2vec and TF-IDF approach produces the best recall rate.Keywords: Similar

A oferta de produtos,informação e serviços a partir de perfis de usuários tem tornado os sistemas de recomendação cada vez mais presentes na Web, aumentando a facilidade de escolha e de permanência dos usuários nestes sistemas. Entretanto, existem otimizações a serem feitas principalmente com relação à modelagem do perfil do usuário. Geralmente, suas preferências são modeladas de modo superficial, devido à escassez das informações coletadas,como notas ou comentários, ou devido a informações indutivas que estão suscetíveis a erros. Esta dissertação propõe uma ferramenta de recomendação baseado em interações multimodais, capaz de combinar informações de usuários processadas individualmente por algoritmos de recomendação tradicionais. Nesta ferramenta desenvolveram-se quatro técnicas de combinação afim fornecer aos sistemas de recomendação, subsídios para melhoria na qualidade das predições em diversos domínios. / Providing products, information and services from user profiles has made the recommendation systems to be increasingly present, increasing the ease of selection and retention of users in Webservices. However, there are optimizations to be made in these systems mainly with respect to modeling the user profile. Generally, the preferences are modeled superficially, due to the scarcity of information collected, as notes or comments, or because of inductive information that is susceptible to errors. This work proposes are commendation tool based on multimodal interactions that combines users\' interactions, wich are processed individually by traditional recommendation algorithms. In this tool developed four combination of techniques in order to provide recommendation systems subsidies to improve the quality of predictions.

Coleções digitais de mídias, tanto pessoais como online, crescem rapidamente. Para que grandes quantidades de músicas sejam acessíveis à usuários, serviços populares como iTunes, Last.fm e Pandora oferecem recomendações. Essa abordagem livra usuários de lembrarem de músicas, e permite a descoberta de canções novas ou esquecidas. Mas recomendações apresentam problemas com usuários, como credibilidade e falta de controle. A motivação deste trabalho é melhorar a experiência de usuários com recomendações de música através do uso de explicações. Ao usar um sistema de recomendação, a satisfação e aprovação de usuários não depende só da eficácia do algoritmo, mas também de explicações. Pesquisas mostram que estas podem beneficiar sistemas de recomendação, aumentando a credibilidade e satisfação de usuários, ao oferecer mais transparência e formas de correção. O objetivo deste trabalho é projetar e desenvolver uma nova forma de visualização de tags, e testar sua viabilidade para explicar e filtrar recomendações de músicas. Mais precisamente, investigamos se esta visualização pode favorecer as metas de inspeção (scrutability), eficiência, eficácia e satisfação. A partir da pesquisa em necessidades de usuários para recomendações e música, a visualização Tag Strings foi projetada e desenvolvida. Tag Strings inclui tanto a interface da visualização, quanto o processo de coleta e cálculo de relevância de tags e músicas. Para a avaliação da visualização Tag Strings, dois tipos de experimentos foram construídos: a comparação entre uma lista de recomendações com Tag Strings, e a comparação entre o design de referência (baseado nos serviços Last.fm e Pandora) e Tag Strings. A construção desses dois experimentos permitiu a avaliação de Tag Strings como uma forma de explicação para recomendações de música. Os resultados dos experimentos evidenciam que a nova forma de visualização Tag Strings favorece as metas de inspeção (scrutability), eficiência, eficácia e satisfação, melhorando a usabilidade e experiência de usuários com recomendações de música. / Digital media collections, both personal and online, grow rapidly. To make large music collections available to users, popular services such as iTunes, Last.fm and Pandora offer recommendations. This approach frees users from searching for music, and allows for the discovery of new or forgotten items. But recommendations present issues such as user trust and lack of control. The motivation for this project is to improve user experience with music recommendations through explanations. While using a recommendation system, user acceptance and satisfaction depends not only on the algorithm effectiveness, but also on explanations. Research shows that recommendations benefit from explanations, increasing user trust and satisfaction by offering more transparency and scrutability. The goal of this project is to design and develop a new form of tag visualization, and test its feasibility to explain and filter music recommendations. We specifically investigate if the visualization can support the aims of scrutability, efficiency, effectiveness and satisfaction. Based on the user research and needs for music recommendation, the visualization Tag Strings was designed and developed. Tag Strings includes both the visualization interface and the process of collecting and calculation of tag and track relevancy. To evaluate the visualization Tag String, we designed two types of experiments: comparing Tag Strings with a recommendation list, and comparing Tag Strings with a design reference (based on the services Last.fm and Pandora). The design of these two experiments allowed the evaluation of Tag Strings as a form of explanation to music recommendation. The experiment results highlight that the new visualization Tag Strings favors the aims of scrutability, efficiency, effectiveness and satisfaction, improving the user experience with music recommendations.

abstract: Availability of affordable image and video capturing devices as well as rapid development of social networking and content sharing websites has led to the creation of new type of content, Social Media. Any system serving the end user’s query search request should not only take the relevant images into consideration but they also need to be divergent for a well-rounded description of a query. As a result, the automated optimization of image retrieval results that are also divergent becomes exceedingly important. The main focus of this thesis is to use visual description of a landmark by choosing the most diverse pictures that best describe all the details of the queried location from community-contributed datasets. For this, an end-to-end framework has been built, to retrieve relevant results that are also diverse. Different retrieval re-ranking and diversification strategies are evaluated to find a balance between relevance and diversification. Clustering techniques are employed to improve divergence. A unique fusion approach has been adopted to overcome the dilemma of selecting an appropriate clustering technique and the corresponding parameters, given a set of data to be investigated. Extensive experiments have been conducted on the Flickr Div150Cred dataset that has 30 different landmark locations. The results obtained are promising when evaluated on metrics for relevance and diversification. / Dissertation/Thesis / Masters Thesis Computer Science 2020