Publicação: Clusterpub: um sistema para clusterização de artigos científicos
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Os processos de pesquisa bibliográfica são extremamente comuns na vida acadêmica, visto
que, para a confecção de alguns trabalhos, como, projetos de conclusão de curso, dissertações de mestrado e teses de doutorado, uma parte fundamental do processo de elaboração
é a busca por referencial bibliográfico. Entretanto, tal processo atualmente é bastante
laboroso, pois, ao realizar uma busca em repositórios acadêmicos, como, IEEE Xplore,
Google Acadêmico e Pubmed, milhares de resultados são obtidos, o que faz com que o
pesquisador precise executar uma tarefa manual de organização, classificação e filtragem
dos artigos retornados, tarefa essa, que demanda muito tempo e esforço. Este trabalho
tem como proposta a confecção de uma aplicação de linha de comando que seja capaz
de processar arquivos bibliográficos, resultando na geração de dendogramas que reflitam
as similaridades presentes entre os trabalhos contidos no arquivo processado, afim, de
agilizar o processo de levantamento bibliográfico. Durante a confecção do corrente trabalho foi desenvolvida a ferramenta proposta, utilizando a linguagem de programação
Python, juntamente com o framework para desenvolvimento de aplicações de linha de
comando, Typer, além de terem sido usadas diversas bibliotecas, como, Scikit-Learn e
Scipy, para confeccionar o algoritmo de agrupamento. Para a realização dos testes foi utilizado um arquivo bibliográfico no formato BibTex composto por 25 artigos de cada um
dos seguintes temas: Inteligência Artificial, Biotecnologia, Economia Circular, Mudanças
Climáticas, Sistemas Complexos, Genética, Saúde Mental e Neurociência. A combinação
entre o método de ligação da média ponderada das distâncias e a medida de distância da
similaridade dos cossenos pode ser considerada como a que obteve os melhores resultados
de maneira geral, visto que, resultou nos valores de 0,8545, 118,0987 e 0,5394 para os
índices de Davies-Bouldin, Calinski-Harabasz e de silhueta, respectivamente. Ao analisar
os valores enumerados no corrente texto frente aos resultados obtidos por outros trabalhos
também relacionados a modelos de clusterização textual, pode-se concluir que os resultados aferidos pelo corrente trabalho são satisfatórios, visto que, por vezes são observados
valores numericamente melhores. Entretanto, não é plausível utilizar essas comparações
para afirmar que a ferramenta ClusterPub é superior aos trabalhos utilizados nos comparativos citados, pois, esse trabalho não realizou testes com as bases de dados usadas pelas
outras ferramentas, sendo esses artigos utilizados apenas com o intuito de obter valores
de referência para as métricas analisadas. A ferramenta desenvolvida foi disponibilizada
para instalação no repositório público de pacotes Python, PyPi.
Abstract
Palavras-chave
Levantamento Bibliográfico, Arquivos Bibliográficos, Aplicação de Linha de Comando, Aprendizado de Máquina, Clusterização.
Citação
RIBEIRO, Felipe Barcelos. ClusterPub: Um sistema para clusterização de artigos científicos. 2024. 46 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2024.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto