1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Sistemas de Informação (Uberlândia)
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/43804
Full metadata record
DC FieldValueLanguage
dc.creatorRibeiro, Felipe Barcelos-
dc.date.accessioned2024-11-06T17:02:45Z-
dc.date.available2024-11-06T17:02:45Z-
dc.date.issued2024-10-19-
dc.identifier.citationRIBEIRO, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/43804-
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectLevantamento Bibliográfico, Arquivos Bibliográficos, Aplicação de Linha de Comando, Aprendizado de Máquina, Clusterização.pt_BR
dc.titleClusterpub: um sistema para clusterização de artigos científicospt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Santos, Anderson Rodrigues dos-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/3752226356973936pt_BR
dc.contributor.referee1Abdala, Daniel Duarte-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0083781586520627pt_BR
dc.contributor.referee2Nascimento, Marcelo Zanchetta do-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5800175874658088pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoOs 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.sizeorduration46pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAOpt_BR
dc.orcid.putcode171155882-
Appears in Collections:TCC - Sistemas de Informação (Uberlândia)

Files in This Item:
File Description SizeFormat 
TCC-ClusterPub-FelipeBarcelos.pdfDocumento referenta à versão que será publicada (TCC)1.29 MBAdobe PDFThumbnail
View/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons