Submitted by Luiz Felipe Barbosa (luiz.fbabreu2@ufpe.br) on 2015-03-10T19:23:53Z
No. of bitstreams: 2
DISSERTAÇÃO Thun Pin Tiago de Freitas Chiu.pdf: 8919207 bytes, checksum: c6459941d877ef2b23ab620f92083731 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Approved for entry into archive by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-10T19:43:41Z (GMT) No. of bitstreams: 2
DISSERTAÇÃO Thun Pin Tiago de Freitas Chiu.pdf: 8919207 bytes, checksum: c6459941d877ef2b23ab620f92083731 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-10T19:43:41Z (GMT). No. of bitstreams: 2
DISSERTAÇÃO Thun Pin Tiago de Freitas Chiu.pdf: 8919207 bytes, checksum: c6459941d877ef2b23ab620f92083731 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2014-08-25 / Com o avanço da tecnologia em relação aos sensores contidos nos dispositivos
móveis, as aplicações passaram a ser capazes de coletar várias informações pessoais de quem
as utiliza e do ambiente no qual está inserido. Porém, esta grande quantidade de informações,
se não utilizada de forma correta, pode não ter muita utilidade. Contexto aparece para suprir
esta necessidade, identificando o que é relevante e como e quando utilizar as informações. Por
conta do seu uso, novas aplicações puderam ser criadas com o intuito de melhorar nossas
vidas, auxiliando em nossas tarefas do dia a dia. Entender os comportamentos do usuário,
como hábitos e rotinas, por meio de um algoritmo que possa interpretar essas informações e
disponibilizar informações contextuais tais como, quais ações o usuário poderia realizar em
um determinado momento, ajudam as aplicações a tomarem decisões mais precisas, prever
ações futuras, possibilitando a execução de tarefas de formas autônomas, trazendo grandes
benefícios para quem as utiliza. Por essa razão, propomos neste trabalho um algoritmo para
detecção dos hábitos e rotinas, baseado no contexto atual do usuário, o T2H (Temporal Tag
History). Para sua construção, foi realizada uma coleta de informações (histórico de ligações e
aplicativos utilizados, idade, sexo e escolaridade), capturadas por meio de uma aplicação
instalada nos dispositivos móveis pessoais de cinquenta e oito usuários distintos, que serviu
como fonte de análise dos comportamentos e definições dos cenários que o algoritmo seria
capaz de cobrir. Como base para a solução, criaram-se protótipos de diferentes algoritmos
encontrados na literatura, tais como probabilidade bayesiana, modelagem do problema a partir
de estrutura de dados e centroide. Por meio dos resultados das nossas análises e dos
protótipos, elaborou-se um algoritmo que é executado diretamente nos dispositivos móveis,
cuja qualidade e precisão das respostas são similares aos algoritmos encontrados na literatura,
projetados para serem executados em servidores.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/11848 |
Date | 25 August 2014 |
Creators | Chiu, Thun Pin Tiago de Freitas |
Contributors | Tedesco, Patricia Cabral de Azevedo Restelli |
Publisher | Universidade Federal de Pernambuco |
Source Sets | IBICT Brazilian ETDs |
Language | Breton |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0026 seconds