Submitted by Santos Davilene (davilenes@ufba.br) on 2016-05-25T15:22:41Z No. of bitstreams: 1 dissertacao_mestrado_ciencia_computacao_rafael_glauber.pdf: 2701674 bytes, checksum: d9b74db08b0e071f5dddf22ab848cd3e (MD5) / Made available in DSpace on 2016-05-25T15:22:41Z (GMT). No. of bitstreams: 1 dissertacao_mestrado_ciencia_computacao_rafael_glauber.pdf: 2701674 bytes, checksum: d9b74db08b0e071f5dddf22ab848cd3e (MD5) / Sistemas de Recomendação sugerem itens de interesse explorando as preferências dos usuários ajudando-os contra o problema da sobrecarga de informações. Primeiramente estes sistemas eram construídos, exclusivamente, através de técnicas com origem nas áreas de Recuperação de Informação e Aprendizado de Máquina. Porém, desde o início da década de 90 a abordagem conhecida como Filtragem Colaborativa, que não explora qualquer tipo de conteúdo disponível dos itens para realizar sua tarefa, passou a ser a mais utilizada como solução para estes sistemas. Pesquisas como as de Shardanand & Maes (1995); Das et al. (2007); Konstan & Riedl (2012) justificam essa preferência por conta de deficiências preexistentes nos algoritmos de filtragem por conteúdo dos itens. Entretanto, nestas pesquisas não são evidenciadas essas deficiências ou mesmo as diferenças e semelhanças das recomendações geradas pelos algoritmos dessas duas abordagens levando esta discussão ao senso comum. Neste trabalho é proposta uma metodologia para comparação de algoritmos de recomendação que vai além da precisão das previsões. Para demonstrar essa metodologia a aplicamos na comparação das abordagens de Filtragem Baseada em Conteúdo Textual e a Filtragem Colaborativa. Nossos resultados demonstram que algoritmos dessas duas abordagens não só diferem em diversas dimensões em um teste de sistema, como também apresentam características que sugerem grande complementariedade.

Submitted by Santos Davilene (davilenes@ufba.br) on 2016-05-30T15:20:06Z No. of bitstreams: 1 dissertação - ficha catalografica - versão final.pdf: 8576272 bytes, checksum: 930f3150e50a8c0d873df7a09d3776d1 (MD5) / Made available in DSpace on 2016-05-30T15:20:06Z (GMT). No. of bitstreams: 1 dissertação - ficha catalografica - versão final.pdf: 8576272 bytes, checksum: 930f3150e50a8c0d873df7a09d3776d1 (MD5) / A adoção de software livre deve considerar critérios objetivos, com base em fatores técnicos, organizacionais, ambientais e individuais. Neste trabalho, inicialmente foi realizada uma pesquisa de campo sobre fatores de adoção para sistemas e componentes de software livre na comunidade brasileira de TI. Com base nos principais fatores apontados pela pesquisa, definimos um conjunto de critérios de avaliação de software livre cujo objetivo é orientar a comunidade brasileira de TI a avaliar este tipo de software de modo coerente e objetivo. A partir deste conjunto de critérios de avaliação, elaboramos e também apresentamos um protótipo de recomendador para adoção de software livre, potencialmente voltado para desenvolvedores de software e gerentes/líderes de equipes em organizações de TI. A ferramenta apóia a busca, visualização, avaliação e recomendação de software livre. Após coletarmos as avaliações multicritério feitas pelos usuários da ferramenta, pudemos avaliar qual o algoritmo de aprendizado de máquina mais indicado para estimar a avaliação geral de um usuário para um dado projeto de software livre.

Submitted by Kilvya Braga (kilvyabraga@hotmail.com) on 2018-05-16T13:28:09Z No. of bitstreams: 1 SAULO SOARES DE TOLEDO - DISSERTAÇÃO (PPGCC) 2016.pdf: 2345909 bytes, checksum: dcaa7238380f7791f922778432a5b9ea (MD5) / Made available in DSpace on 2018-05-16T13:28:09Z (GMT). No. of bitstreams: 1 SAULO SOARES DE TOLEDO - DISSERTAÇÃO (PPGCC) 2016.pdf: 2345909 bytes, checksum: dcaa7238380f7791f922778432a5b9ea (MD5) Previous issue date: 2016 / Modelos UML são usados de várias formas na engenharia de software. Eles podem modelar desde requisitos até todo o software, e compreendem vários diagramas. O diagrama de classes, o mais popular dentre os diagramas da UML, faz uso de vários elementos UML e adornos, tais como abstração, interfaces, atributos derivados, conjuntos de generalização, composições e agregações. Atualmente, não há maneira fácil de encontrar este tipo de diagrama com base nestas características para a reutilização ou a aprendizagem por tarefas de exemplo. Por outro lado, Sistemas de Recomendação são ferramentas e técnicas que são capazes de descobrir os elementos mais adequados para um usuário, dentre muitos outros. Existem várias técnicas de recomendação, que usam informações dos elementos de várias maneiras, ao uso da opinião de outros usuários. Sistemas de recomendação já foram utilizadas com sucesso em vários problemas da engenharia de software, a exemplo da recomendação de partes de código para reuso (como métodos,por exemplo) e da identificação do desenvolvedor mais adequado para trabalhar em certas áreas do software. Este trabalho tem como objetivo propor e avaliar (i) uma representação baseada em conteúdo para diagramas de classe e as preferências do usuário, (ii) um novo algoritmo de recomendação baseado no conhecimento, (iii) a aplicação deste algoritmo e outros dois outros do estado da parte para a recomendação de diagramas de classe UML e (iv) uma avaliação destas abordagens contra uma sugestão aleatória. Para atingir este objetivo, foi realizado um estudo de caso com estudantes de ciência da computação e egressos. Depois de comparar os algoritmos, os nossos resultados mostram que, para o nosso conjunto de dados, todos eles são melhores do que uma recomendação aleatória. / UML models are used in several ways in the software engineering. They can model from requirements to the entire software, and comprise several diagrams. The Class diagram, the most popular among the UML diagrams, makes use of several UML elements and adornments, such as abstraction, interfaces, derived attributes, generalization sets, compositions and aggregations. Currently, there is no easy way to find this kind of diagram based on these features for reuse or learning by example’s tasks, for instance. On the other hand, Recommender Systems are powerful tools and techniques that are able to discover the most appropriate elements to an user among many others. There are several recommender techniques, from using the elements’ information in several ways, to using other users’ opinions. Recommender systems were already used successfully in several software engineering problems, as discovering pieces of code to recommend (as methods, for example) and finding the best developer to work in certain software problems. This work aims to propose and evaluate (i) a content-based Recommender System’s representation for class diagrams’ features and user’s preferences, (ii) a new knowledge-based recommender algorithm, (iii) the application this algorithm and two other state of the art content-based on esto the recommendation of UML class diagrams and (iv) an evaluation of these approaches against a random suggestion. To achieve this goal, we conducted a case study with computer science students and egresses. After comparing the algorithms, our results show that, for our dataset, all of them are better than a random recommendation.

Submitted by Kilvya Braga (kilvyabraga@hotmail.com) on 2018-05-15T13:27:13Z No. of bitstreams: 1 VÍTOR DE SOUZA AMARAL - DISSERTAÇÃO (PPGCC) 2016.pdf: 474505 bytes, checksum: a4f88444155adc7bb62c7035f928a20b (MD5) / Made available in DSpace on 2018-05-15T13:27:13Z (GMT). No. of bitstreams: 1 VÍTOR DE SOUZA AMARAL - DISSERTAÇÃO (PPGCC) 2016.pdf: 474505 bytes, checksum: a4f88444155adc7bb62c7035f928a20b (MD5) Previous issue date: 2016 / Capes / Uma playlist pode ser definida como qualquer sequência de músicas para ser executada tipicamente de forma ordenada sem que seja necessário ao usuário ter que selecionar individualmente as músicas enquanto elas vão sendo tocadas. Muitos softwares são capazes de montar playlists de forma automática baseando-se nos mais diversos modelos, sendo este um aspecto muito importante de aplicações como Last.fm, Deezer, Spotify, etc. Muitos pesquisadores na área de Recuperação de Informação Musical (MIR) têm dedicado esforços no desenvolvimento de modelos geradores cada vez melhores,entretanto as atuai sformas de validação são reconhecidamente ineficientes e métodos considerados padrão possuem graves limitações. Neste trabalho, investigamos as percepções de DJs (pessoas que criam playlists para discotecagem em festas) sobre playlists automaticamente geradas por dois modelos diferentes, focando nas características relacionadas à criação de playlists identificadas nas amostras apresentadas, nas expectativas em relação a playlists geradas automaticamente em contraponto às criadas por outras pessoas e se e de qual forma percebe-se diferenças entre os itens criados pelos diferentes geradores. Foi realizada uma pesquisa qualitativa onde DJs de diversas localidades participaram de in-depth interviews. Foram colhidos relatos de experiências relacionadas à criação de playlists para discotecagem ou outras ocasiões, do uso desoftwares paraedição, execução e geração de playlists e dos hábitos de consumo de playlists. Entrevistados foram também apresentados a amostras de playlists de dois geradores e suas impressões foram colhidas. Concluímos que, ainda que de forma não explícita, os entrevistados conseguiram caracterizar e dar contexto aos diferentes geradores. Além disso playlists são percebidas como mais humanas quando eles conseguem identificar uma única motivação forte, uma única temática que norteia o agrupamento e encadeamento de músicas e que playlists menos homogêneas não são necessariamente percebidas como playlists ruins e são muitas vezes entendidas como surpresas positivas.

Made available in DSpace on 2014-06-12T15:52:10Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Nos dias atuais, para aumentar a produtividade de suas atividades, as organizações usam a informação estrategicamente para disseminar e compartilhar o conhecimento por toda a organização. Isto é feito por meio das competências de seus membros e das fontes de informação disponíveis na organização. No entanto, este conhecimento se encontra disperso, concentrando-se em determinados indivíduos ou unidades organizacionais, dificultando o acesso e a obtenção da informação. Visando resolver este problema, nosso trabalho propõe CoLORS, um sistema de recomendação de oportunidades de aprendizado sensível a contexto que promove o compartilhamento do conhecimento por meio dos materiais, especialistas e situações similares. Esta recomendação acontece quando as pessoas não possuem determinada competência exigida pela atividade que estão executando. Os diferenciais em relação aos sistemas de recomendação tradicionais são: atribuição de semântica às informações por meio da construção de ontologias, que unificam conceitos relacionados com o gerenciamento de contexto, com a organização e seus processos, com a gestão de competências, com a aprendizagem organizacional e com a gestão do tempo; a análise do contexto do usuário e a utilização de parâmetros de consulta e de ordenação para restringir a busca dos caminhos do grafo RDF/OWL da ontologia que estão relacionados com a lacuna de competência do usuário e para atribuir uma ordem de relevância às oportunidades de aprendizado recomendadas. Alguns cenários de testes foram desenvolvidos para validar as idéias propostas neste documento e ilustrar a aplicabilidade do protótipo de sistema de recomendação implementado

Made available in DSpace on 2014-06-12T15:54:09Z (GMT). No. of bitstreams: 2 arquivo1963_1.pdf: 1418766 bytes, checksum: 446cf37bd900690278cbeafa4f794844 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2008 / É cada vez mais significativo o número de empresas que estão buscando vantagens competitivas em termos de custo, qualidade, redução de riscos, produtividade e flexibilidade. Neste sentido, o desenvolvimento de software terceirizado em fábricas de software surge como uma opção para minimizar as dificuldades encontradas com o crescimento do mercado e para maximizar as oportunidades de negócio no âmbito internacional. Sobretudo em empresas técnicas, como é o caso das fábricas de software, é de grande valia a adoção de processos de gestão do conhecimento para armazenar relatos de experiências de projetos. O armazenamento de tais relatos possibilita a sua utilização como referência para tomada de decisões posteriores ou o treinamento de novos funcionários da organização. No entanto, conforme observado na literatura de fábricas de software, a adoção de processos de gestão de conhecimento não é uma prática comumente seguida por esse tipo de organização. Os fatores são os mais diversos, entre os quais podem-se citar os custos envolvidos para preparação da infra-estrutura necessária e a contratação de pessoal especializado para realização da mesma. Dessa forma, a presente dissertação apresenta a concepção e os resultados da aplicação do sistema MaRKSoNe em uma fábrica de software pernambucana. O objetivo desse sistema é gerir o conhecimento de projetos e recomendar automaticamente clusters de mensagens à grupos de usuários com interesses afins em uma fábrica de software. Os resultados da implantação do MaRKSoNe em uma fábrica de software indicaram a redução do esforço necessário para realização da gestão de conhecimento em projetos de software. Além disso, foi verificado que a utilização desse sistema pode diminuir o tempo necessário para inserção de novos colaboradores no contexto de projetos de software

Made available in DSpace on 2014-06-12T15:56:33Z (GMT). No. of bitstreams: 2 arquivo2953_1.pdf: 1453994 bytes, checksum: 732515128c21ef9d04d44c0dd1461791 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Faculdade de Amparo à Ciência e Tecnologia do Estado de Pernambuco / Entende-se como Rede Social a estrutura formada por nós, geralmente indivíduos ou organizações, e as interdependências emergidas das interações entre esses nós, como valores, visões, ideias, trocas financeiras, amigos, parentesco, profissão, links da web, relações sexuais, dispersão de doenças (epidemiologia), e rotas aéreas. Dependendo do tipo de interação, um conjunto de nós pode assumir uma configuração diferente. Em um grupo de indivíduos a rede social formada pelas relações profissionais é diferente da rede formada pelos parentescos que por sua vez é diferente da rede formada pela dispersão de doenças. Atualmente existe um enorme interesse em entender a complexidade das Redes Sociais. Este entendimento possibilitará o desenvolvimento de diversas ferramentas para gestão dos ativos que constituem essas redes. Neste trabalho é proposto um mecanismo de recomendação de relacionamentos para Redes Sociais baseado na topologia da rede. O algoritmo desenvolvido analisa o subgrafo composto pelo usuário e todos os outros conectados por até três graus de separação. Contudo, apenas os usuários conectados por dois graus de separação são candidatos a serem sugeridos como novos amigos. O algoritmo utiliza os padrões que caracterizam os relacionamentos do usuário para achar aqueles que seguem este mesmo padrão. O mecanismo de recomendação foi desenvolvido baseado na caracterização e análise da rede formada pelo usuário e os amigos-dos-amigos (friends-of-friends (FOF)). Um módulo do mecanismo foi desenvolvido utilizando algoritmo genético para otimizar as recomendações. O algoritmo genético regula as variáveis responsáveis por ponderar quais características extraídas dos padrões de relacionamento do usuário são mais importantes. Dessa forma as recomendações geradas seguem o mesmo padrão de relacionamentos existentes

Made available in DSpace on 2014-06-12T15:58:32Z (GMT). No. of bitstreams: 2 arquivo4647_1.pdf: 2182294 bytes, checksum: 356178597c2bf16867ecf53d523ac6f8 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Sistemas de Recomendação permitem que sites de Comércio Eletrônico sugiram produtos aos consumidores provendo informações relevantes que os ajudem no processo de compra. Para isso é necessária a aquisição e a adequada utilização do perfil do usuário. O processo de aquisição pode ser implícito (comprar um livro ou consultar um item em uma loja on-line) ou explícito (dar uma nota a um filme ou recomendar um artigo a um amigo). Já as soluções propostas para o segundo problema podem ser classificadas em duas categorias principais com relação ao tipo de filtragem adotada: Filtragem Baseada em Conteúdo (baseia-se na análise da correlação entre o conteúdo dos itens com o perfil do usuário) e Filtragem Colaborativa (baseada na correlação de perfis de usuários). Tais técnicas possuem limitações, como escalabilidade na primeira abordagem e latência na segunda. Contudo, elas são complementares, o que impulsiona o surgimento de filtragens híbridas, cujo foco é aproveitar o melhor de cada método. Todavia, as filtragens híbridas não superam completamente os problemas principais de ambos os métodos. A motivação deste trabalho surge do desafio de superar os problemas principais existentes nos métodos de Filtragem Baseada em Conteúdo. Para isso, o trabalho concentra-se no domínio de recomendação de filmes, caracterizado por atributos complexos, como sinopse, e no qual predomina uma aquisição explícita do perfil do usuário. Diante disso, o presente trabalho apresenta um novo método de filtragem de informação baseado nas teorias de Análise de Dados Simbólicos. Na abordagem proposta o perfil é modelado através de um conjunto de descrições simbólicas modais que sumarizam as informações dos itens previamente avaliados. Uma função de dissimilaridade que leva em conta as diferenças em posição e em conteúdo foi criada a fim de possibilitar a comparação entre um novo item e o perfil do usuário. Para avaliar o desempenho deste novo método foi modelado um ambiente experimental baseado no EachMovie e definida uma metodologia para avaliação dos resultados. Para fins de comparação é utilizada a filtragem de informação por conteúdo baseado no algoritmo dos k Vizinhos Mais Próximos (kNN). A construção de um ambiente experimental de avaliação do modelo permitiu diagnosticar estatisticamente o melhor desempenho da filtragem baseada em dados simbólicos modais, tanto em velocidade quanto em memória, com relação ao método baseado no kNN

Made available in DSpace on 2014-06-12T15:59:37Z (GMT). No. of bitstreams: 2 arquivo5346_1.pdf: 1776923 bytes, checksum: f744986693684a54ed4294ce35659f25 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Nos dias de hoje, a quantidade de informação disponível é muito maior do que nossa capacidade de tratá-la. Vemos-nos diante de centenas de canais de televisão, dezenas de filmes para ver e milhares de produtos nas lojas de comércio eletrônico. Quando precisamos tomar uma decisão e não conhecemos todas as alternativas possíveis, uma abordagem bastante freqüente é buscar a recomendação de outras pessoas. Na década de 1990 surgiram sistemas computacionais capazes de automatizar o processo de recomendações. Em geral os Sistemas de Recomendação, como ficaram conhecidos, coletam indicadores das preferências dos usuários para fornecer-lhes uma visão personalizada da informação. Uma abordagem amplamente empregada nos Sistemas de Recomendação é a Filtragem Colaborativa (FC), em que a produção das sugestões é feita com base na similaridade entre usuários. Assim, para prever a relevância que um item i terá para um usuário alvo u, o sistema se baseia nas opiniões dos usuários com preferências similares às de u sobre i. Um problema freqüente nos Sistemas de Recomendação diz respeito à chegada de um novo usuário. Nessa situação, o sistema não conhece nada a respeito das preferências dele e também não é capaz de gerar-lhe recomendações. Nos sistemas que utilizam FC isto também ocorre, pois a similaridade entre os usuários é computada com base nos itens que eles avaliaram em comum. Para amenizar esse problema, uma solução é que haja uma etapa inicial na utilização do sistema em que sejam apresentados alguns itens para o usuário novato avaliar. No entanto isso precisa ser feito de maneira eficiente, para que o sistema adquira o máximo de informação com um mínimo de esforço do usuário. O paradigma de aprendizagem em que o algoritmo controla os exemplos utilizados no treinamento para otimizar o processo é chamado de aprendizagem ativa. A aplicação dessa técnica para melhorar o processo de aquisição das preferências do usuário em sistemas de FC tem sido alvo de vários estudos. Em um deles foi proposto o método ActiveCP que combinava a controvérsia e da popularidade de um item para determinar a ordem em que seriam apresentados para serem avaliados pelo usuário. O método apresentou bons resultados experimentais. Neste trabalho, é investigada a utilização de uma nova medida de controvérsia capaz de resolver várias das restrições presentes na metodologia originalmente proposta no ActiveCP. É também apresentada uma nova metodologia, mais simples, com uma melhor aplicabilidade prática e que mantém os ganhos de informação na aquisição das preferências dos usuários obtidos pelo método original. Finalmente, a nova metodologia é avaliada em uma base de usuários com avaliações de filmes que simula a base de dados de um sistema em início de operação

Made available in DSpace on 2014-06-12T16:00:10Z (GMT). No. of bitstreams: 2 arquivo6092_1.pdf: 1754951 bytes, checksum: 29f0cd3115cc36a8a890dbc3a4def5bb (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2007 / Freqüentemente, pessoas precisam, para realização de sua tarefa, de determinado conhecimento que só pode ser obtido através de experiência e prática, que elas podem não possuir. Elas podem economizar tempo e esforço se puderem interagir, informalmente, com outras pessoas que já possuam esse conhecimento. A colaboração informal facilita a troca de experiências e permite o reuso de conhecimento entre os indivíduos. Sistemas de Recomendação de Especialistas (SRE) podem ser usados para promover a colaboração informal através da identificação de especialistas que possam ajudar indivíduos na realização de suas tarefas. No entanto, os SRE existentes são centrados no especialista, em vez do usuário, e não levam em consideração o contexto dos envolvidos na recomendação. O objetivo deste trabalho é o desenvolvimento de um SRE que utiliza o contexto do usuário e do especialista para fazer recomendações mais ajustadas às necessidades do primeiro e, dessa maneira, facilitar a colaboração informal: o ICARE (Intelligent Context Awareness for Recommending Experts). Para tanto, é preciso entender o contexto das pessoas e como determinar as suas especialidades, definir as informações contextuais que devem ser consideradas e um processo de aquisição das especialidades e, finalmente, definir uma heurística de classificação dos especialistas a recomendar de acordo com o contexto de especialista e usuário. As principais contribuições deste trabalho são a inserção de sensibilidade a contexto no processo de recomendação de especialistas, uma ausência identificada nos sistemas existentes, e o desenvolvimento de um SRE sensível ao contexto. No experimento realizado, a sensibilidade a contexto do ICARE foi aprovada e os resultados gerados pelas recomendações realizadas foram bem avaliados pelos participantes