Publicação: Estudo de caso de um sistema de gerenciamento de banco de dados vetorial para manipulação de dados de redes sociais online
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::BANCO DE DADOS
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
O crescente volume de dados não estruturados, impulsionado por plataformas de redes
sociais online, apresenta desafios para os Sistemas de Gerenciamento de Bancos de Da
dos relacionais tradicionais, limitados a buscas lexicais. SGBDs vetoriais surgem como
solução, porém introduzem complexidade arquitetônica. Uma alternativa é a integração
de capacidades vetoriais em SGBDs existentes. Este trabalho tem como objetivo ava
liar a viabilidade da extensão PGVector do PostgreSQL como solução integrada para a
análise de dados não estruturados. Para isso, foi desenvolvido um estudo de caso que
utiliza um conjunto de dados de tweets da plataforma X (antigo Twitter). O método
de trabalho abrange o pré-processamento dos textos e a geração de representações ve
toriais (embeddings) por meio do modelo “paraphrase-multilingual-MiniLM-L12-v2” da
biblioteca sentence-transformers. Os embeddings gerados foram armazenados e indexados
no PostgreSQL utilizando o PGVector. Subsequentemente, foi aplicado o algoritmo de
clusterização K-means para a descoberta de tópicos de forma não supervisionada, com
o número ideal de clusters (K) sendo determinado pelo Método do Cotovelo. Os resul
tados demonstram a aplicabilidade da abordagem integrada, permitindo a execução de
um pipeline completo de Machine Learning dentro do ecossistema relacional. O trabalho
contribui ao apresentar um roteiro prático e validado, servindo como um recurso para
futuras aplicações na área.
Abstract
The growing volume of unstructured data, driven by social media platforms, poses chal
lenges for traditional relational Database Management Systems (DBMS), which are lim
ited to lexical searches. Vector DBMSs emerge as a solution, yet they introduce archi
tectural complexity. An alternative is the integration of vector capabilities into existing
DBMSs. This work aims to evaluate the viability of the PostgreSQL extension PGVec
tor as an integrated solution for the analysis of unstructured data. To this end, a case
study was developed using a dataset of tweets from the X platform (formerly Twitter).
The workflow covers text preprocessing and the generation of vector representations (em
beddings) using the “paraphrase-multilingual-MiniLM-L12-v2” model from the sentence
transformers library. The generated embeddings were stored and indexed in PostgreSQL
using PGVector. Subsequently, the K-means clustering algorithm was applied for unsu
pervised topic discovery, with the optimal number of clusters (K) determined by the Elbow
Method. The results demonstrate the applicability of the integrated approach, enabling
the execution of a complete Machine Learning pipeline within the relational ecosystem.
This work contributes by presenting a practical and validated roadmap, serving as a
resource for future applications in the field.
Palavras-chave
Sistema de Gerenciamento de Banco de Dados Vetorial, PGVector, Embeddings, K-Means, Dados de Redes Sociais Online, Vector Database Management System, Online Social Media Data
Citação
CORSI, Ana Luísa Matias. Estudo de caso de um sistema de gerenciamento de banco de dados vetorial para manipulação de dados de redes sociais online. 2025. 60 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto