Bacharelado em Ciência da Computação (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/6
Siglas das Coleções:
APP - Artigo Publicado em Periódico
TAE - Trabalho Apresentado em Evento
TCC - Trabalho de Conclusão de Curso
Navegar
19 resultados
Resultados da Pesquisa
Item Agrupamento automático de mensagens em fóruns educacionais(2022-06-08T03:00:00Z) Pereira, Fabio Mariano Costa Silva Gomes; Mello, Rafael Ferreira Leite de; http://lattes.cnpq.br/6190254569597745; http://lattes.cnpq.br/8040322704977339Virtuais de Aprendizagem trazem inúmeras vantagens quando a questão é facilitar o acesso a informação. Porém, um problema comum que dificulta o acompanhamento dos professores e, sobretudo, o envio de feedback, devido a maior quantidade de alunos por turma, quando comparado com o ensino presencial, é a sobrecarga de informações. Com intuito de mitigar isto, este artigo realiza agrupamentos utilizando os algoritmos K-Means, K-Medoids, DB Scan e o Aglomerativo em 1652 postagens de 4 fóruns educacionais diferentes de um curso superior a fim de agrupar as mensagens semelhantes para auxiliar o professor, tendo que lidar com uma quantidade menor de informação. Em cada postagem, extrai características e aplica técnicas de PLN, além de utilizar uma representação vetorial para o texto das postagens. Por fim, avalia a qualidade de cada agrupamento utilizando as métrica: coeficiente de silhueta e Davies-Boulding.Item Modelos de recomendação sensível ao contexto em ambientes de comunicação aumentativa alternativa: naive bayes, redes neurais e aprendizagem federada(2025-03-19T03:00:00Z) Nascimento, Fabio Augusto Souza do; Nascimento, André Câmara Alves do; http://lattes.cnpq.br/0622594061462533; http://lattes.cnpq.br/2170186670973508A inteligência artificial (IA) está presente em diversos setores da sociedade, promovendo constantes avanços tecnológicos e sociais. Um dos subconjuntos da IA é a aprendizagem de máquina (AM), que possibilita aos computadores aprenderem e evoluírem com base em dados. O conhecimento obtido por meio desse processo auxilia em diferentes áreas, desde a análise e interpretação de informações até a usabilidade de aplicativos. Compreender o funcionamento e as possibilidades dessa ferramenta pode ser um ativo valioso. Entre as múltiplas aplicações possíveis, a AM desempenha um papel importante na comunicação aumentativa e alternativa (CAA), auxiliando indivíduos que apresentam dificuldades nessas interações por meio de aplicativos. Essas aplicações estão em constante evolução e, com as inovações tecnológicas, possibilitam o desenvolvimento de sistemas capazes de compreender o ambiente em que uma pessoa está inserida e oferecer recomendações personalizadas aos usuários. Este trabalho investiga o uso dos Sistemas de Recomendação Sensível ao Contexto (SRSC) em aplicações da CAA, considerando as características individuais dos usuários com base em seus dados e contexto. São utilizados modelos de IA, tais como Naïve Bayes (NB), Redes Neurais Artificiais (RNA) e Aprendizagem Federada (AF), para comparar diferentes abordagens e avaliar sua capacidade de fornecer resultados relevantes. A partir dos experimentos realizados, foi possível verificar que modelos personalizados demonstram melhor desempenho em relação a abordagens globais, oferecendo recomendações mais relevantes aos usuários finais. Nesse sentido, a personalização e o uso de variáveis contextuais podem melhorar significativamente a experiência de pessoas que dependem de CAA, aumentando a agilidade e a assertividade da comunicação.Item Análise de mensagens de Commit com IA: uma nova perspectiva para o algoritmo SZZ(2025-03-17T03:00:00Z) Souza, Camila Nunes de Paula; Cabral, George Gomes; http://lattes.cnpq.br/8227256452129177; http://lattes.cnpq.br/8347479672060133Este trabalho propõe uma abordagem inovadora para aprimorar o algoritmo SZZ utilizado na identificação de commits que introduzem defeitos em sistemas de software. A metodologia proposta envolve o uso do ChatGPT, para realizar uma análise semântica das mensagens de commit, classificando-as em duas categorias: ”introduz bug”e ”não introduz bug”. O objetivo é melhorar a confiabilidade das classificações geradas pelo SZZ, reduzindo falsos positivos e melhorando a qualidade dos dados utilizados para a geração de modelos preditivos de detecção de defeitos. Para validar a abordagem, foram realizados experimentos com duas bases de dados (Neutron e Nova), utilizando os classificadores Random Forest e SVC, além de técnicas de balanceamento como oversampling e undersampling. Os resultados demonstram que a integração do ChatGPT ao SZZ resultou em uma redução significativa de commits erroneamente classificados como introdução de bugs, além de melhorar o desempenho dos classificadores, especialmente o Random Forest. Conclui-se que a utilização de LLMs pode aprimorar a eficácia do SZZ, contribuindo para a melhoria da qualidade de software e a eficiência na detecção de defeitos.Item Comparison of recommendation algorithms for user groups: a food-based case study(2023-04-24T03:00:00Z) Vasconcelos, Caio Giovanni Pereira; Silva, Douglas Véras e; http://lattes.cnpq.br/2969243668455081; http://lattes.cnpq.br/4775036700843482There is a rise in the development of platforms that work with the distribution of buying and selling food, and with the increase in food options and the number of users, such platforms use recommendation systems to facilitate the user’s choice. These recommendations are usually based on information that the algorithm obtains previously. And increasingly, these recommendations need to be right in specific contexts. This article proposes to compare, through common metrics in the literature, the use of two recommendation algorithms in a context of user groups to make a joint recommendation. One of the algorithms uses a database of groups in neural network training, and the other algorithm uses databases of auxiliary domains with different contexts to perform the prediction. The results indicate that it is possible to perform the prediction for groups of users even if a database with scarce data is used. The article is a theoretical basis to show the efficiency of recommending it to groups in the food domain, and can be incorporated and added to existing platforms.Item Formação de grupos de alunos baseada em múltiplos critérios(2021-05-27T03:00:00Z) Fiorentino Neto, Giuseppe; Miranda, Péricles Barbosa Cunha de; http://lattes.cnpq.br/8649204954287770; http://lattes.cnpq.br/6288849609186849A formação de grupos é uma das etapas mais importantes da aprendizagem colaborativa. Este artigo propõe um método inteligente para otimizar o processo de formação de grupos levando em conta múltiplos critérios: inter-homogeneidade, intra-heterogeneidade e empatia. O método foi avaliado quanto ao desempenho, sendo comparado às abordagens exaustiva e aleatória; e quanto ao aspecto pedagógico, sendo comparado com os métodos aleatório e auto-selecionado. Os resultados obtidos mostraram o potencial do método proposto tanto do ponto de vista computacional quanto do pedagógico.Item Avaliação de algoritmos de rastreamento no problema de detecção de pessoas no mar(2023-09-13T03:00:00Z) Nascimento, Ramicés Moisés do; Macário Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/0247140467691140Sabe-se que nas praias de Pernambuco, ataques de tubarões são um medo constante da população. Muitos desses ataques são fatais, o que faz necessário que alguma atitude seja tomada, visto que as praias de Pernambuco atraem milhares de turistas por ano. Assim, pesquisadores da UFRPE iniciaram uma pesquisa visando desenvolver um sistema de rastreamento de pessoas no mar, que torna possível avisar aos salvavidas quando as pessoas ultrapassarem uma área considerada segura na praia, além de poder alocar uma quantidade maior desses profissionais em lugares com maior número de pessoas. O sistema foi divido em três etapas: segmentação da imagem, detecção dos banhistas e rastreamento dos mesmos. Este trabalho foca na terceira etapa. Rastrear pessoas é uma tarefa complexa e com custo computacional alto. Problemas com mudanças de iluminação do ambiente, mudança na direção dos alvos e mudanças no plano de fundo são apenas algumas das dificuldades que podem ser citadas. Assim, o trabalho desenvolvido tem como objetivo avaliar seis algoritmos de rastreamento de pessoas presentes na literatura em imagens de praia. Primeiro, rotulou-se manualmente uma base de dados de dez vídeos gravados na praia de Boa Viagem, em Pernambuco. Depois foram escolhidos seis algoritmos para serem avaliados. Depois, foi comparado o resultado de cada quadro dado como resposta pelo algoritmo, com o que tinha sido anteriormente rotulado e tirou-se uma média. Então, tirou-se uma média geral para saber a taxa de acerto do algoritmo e o tempo de execução do mesmo. Por fim, o melhor algoritmo foi escolhido para otmização através de um algoritmo genético, e verificou-se se houve alguma melhora no resultado. O CSRT foi o algoritmo que obteve o melhor resultado e após a otimização com o algoritmo genético, obteve-se uma melhoria de 20% na sua acurácia.Item Análise de um sistema de recomendação de restaurantes sensível ao contexto sobre o grau de satisfação dos usuários(2023-09-01T03:00:00Z) Melo Filho, Carlos Olimpio Rodrigues de; Silva, Douglas Véras e; http://lattes.cnpq.br/2969243668455081; http://lattes.cnpq.br/6986499479035317Aplicações populares de sistemas de recomendação podem ser encontradas em diversas áreas. No ramo de alimentação, plataformas como o TripAdvisor se destacam por sugerir recomendações de restaurantes especializadas baseadas em vários tipos de informações relevantes como avaliações de outros usuários para o cardápio, ambiente e recomendações de restaurantes mais próximos são algumas das especialidades dessas plataformas. Com a possibilidade de utilização de novos dados sensíveis ao contexto do usuário, este trabalho tem como principal objetivo avaliar o uso do motivo de ida ao restaurante para reorganizar a recomendação final de restaurantes através de uma pós-filtragem baseada em contexto. Para concretizar o objetivo foi desenvolvida uma aplicação móvel, o SR Recife Restaurants, onde para avaliar o grau de satisfação de usuários reais em relação aos restaurantes recomendados, uma abordagem de avaliação online, utilizando questionários, foi utilizada. Ao realizar o experimento com 15 usuários foi possível notar um aumento de 26,67% no grau de satisfação das top-5 primeiras recomendações ao utilizar o tipo de ida ao restaurante como dado de contexto para a fase de pós-filtragem.Item Evaluation of dimensionality reduction and truncation techniques forword embeddings(2021-03-03T03:00:00Z) Aoun, Paulo Henrique Calado; Nascimento, André Câmara Alves do; Silva, Adenilton José da; http://lattes.cnpq.br/0314035098884256; http://lattes.cnpq.br/0622594061462533; http://lattes.cnpq.br/1048218441267310O uso de word embeddings está se tornando muito comum em diversas tarefas de processamento de linguagem natural. Na maioria das vezes, eles exigem recursos computacionais que não podem ser encontrados na maior parte dos dispositivos móveis atuais. Neste trabalho, avaliamos uma combinação de estratégias de truncagem numérica e redução de dimensionalidade para obter representações vetoriais menores sem perdas substanciais no desempenho.Item Teacher-Student aplicado a diferentes modelos de recompensa do ambiente Lunar Lander(2021-07-20T03:00:00Z) Silva, Kenedy Felipe dos Santos da; Sampaio, Pablo Azevedo; http://lattes.cnpq.br/8865836949700771; http://lattes.cnpq.br/7479192156880225As técnicas estudadas relacionadas à aprendizagem por reforço estão se tornando cada vez mais comuns em desafios do mundo real, porém um desafio é reduzir o tempo de aprendizado. Atualmente o tempo de aprendizado e/ou quantidade de interações realizadas pelo agente de aprendizagem por reforço podem resultar em altos custos nas aplicações, pois o treinamento dos modelos podem consumir bastante tempo, exigindo muitas interações do agente com o ambiente da tarefa. Este trabalho busca melhorar o aprendizado utilizando uma nova combinação de técnicas, a técnica Teacher-Student (Aluno-Professor) com a Reward Shaping (modelagem de recompensas). A técnica Teacher-Student visa escolher dentre um conjunto de tarefas similares que treinam para uma tarefa principal, de acordo com o aprendizado do aluno. A técnica Reward Shaping, altera a recompensa para tentar acelerar o aprendizado, fornece feedbacks mais frequentes sobre os comportamentos apropriados, ou seja, reporta recompensas com mais frequência. Adaptamos algoritmos de Teacher-Student para essa combinação de técnicas, e usamos o ambiente Lunar Lander como estudo de caso, usando quatro modelos de recompensa elaborados em (ALBUQUERQUE, 2021) para este ambiente. Foram realizados experimentos executando diferentes treinamentos para comparar essa abordagem com o treinamento apenas no Lunar Lander original (sem alteração das recompensas), e com os resultados obtidos em (ALBUQUERQUE, 2021) ao adotar cada um dos modelos de recompensas individualmente. A combinação das técnicas Teacher-Student com Reward Shaping contribuíram para uma nova experiência na área de aprendizagem por reforço, conseguindo acelerar o aprendizado do agente, considerando a duração de 600 mil passos de treinamento, atingindo o desempenho alvo em 2 de 5 propostas, além de conseguir aprender melhor que a abordagem original do Lunar Lander com algoritmo PPO.Item Um currículo de aprendizagem por reforço para recompensas modeladas no Lunar Lander(2021-07-19T03:00:00Z) Albuquerque, Renilson da Silva; Sampaio, Pablo Azevedo; http://lattes.cnpq.br/8865836949700771; http://lattes.cnpq.br/3364503614448061A aprendizagem por reforço é um paradigma de aprendizagem de máquina onde o agente aprende a resolver problemas interagindo com um ambiente através de ações executadas em uma lógica de tentativa e erro. A cada ação executada, o agente recebe uma recompensa do ambiente indicando o quão efetiva foi em relação a resolução do problema, de forma que o objetivo do agente consiste em maximizar a recompensa total recebida. Porém, em alguns sistemas de aprendizagem por reforço o agente precisa aprender tarefas muito complexas que atribuem recompensas não muito informativas, gerando assim o problema de atribuição de crédito que torna a aprendizagem do agente muito lenta. A modelagem de recompensas e a aprendizagem por currículo, são técnicas que podem acelerar o tempo de treinamento do agente ao separar o problema em tarefas menores a serem resolvidas sequencialmente, atribuindo recompensas menores e mais informativas por ação executada. O Lunar lander é um simulador 2D simplificado, utilizado como referencial para a aplicação de soluções de aprendizagem por reforço para o problema de otimização do controle de pouso de um módulo lunar. Porém o seu sistema de recompensas padrão atribui muito mais recompensas punitivas pelo uso dos motores, não sendo muito construtivo para o agente, o que pode levar ao problema de atribuição de crédito. Neste sentido, este trabalho propôs um currículo utilizando dois novos modelos de recompensas, onde foram realizados experimentos a fim de minimizar o tempo de aprendizado do Lunar Lander. Foi constatado neste trabalho que ambos os novos modelos e o currículo, foram mais efetivos em treinar o agente do Lunar Lander, em comparação ao modelo de recompensas padrão.