Notícias Notícias

Voltar

Ciência da Computação promove defesas de dissertações amanhã (8)

Resumos dos trabalhos estão disponíveis abaixo

O Programa de Pós-Graduação em Ciência da Computação da UFPE promove, amanhã (8), defesas de dissertações de mestrado dos alunos Amirton Bezerra Chagas, Sylvia Emmanuelle Castelo Branco de Holanda Victor e Arthur do Rego Barros Mendonça. Os mestrandos foram orientados, respectivamente, pelos professores Carlos André Guimarães Ferraz, Silvio de Barros Melo e Valeria Cesario Times. Interessados em assistir devem entrar em contato com os alunos.

O trabalho do aluno Amirton Bezerra Chagas tem o título “A Recommender System to Support the Development of Context-Aware Intelligent Transportation Systems” e será apresentado às 8h. A defesa conta com a banca examinadora formada pelos docentes Abel Guilhermino da Silva Filho (UFPE/Centro de Informática), Patricia Cabral de Azevedo Restelli Tedesco (UFPE/Centro de Informática), Divanilson Rodrigo de Sousa Campelo (UFPE/Centro de Informática), Thais Vasconcelos Batista (UFRN/Departamento de Informática e Matemática Aplicada) e Vaninha Vieira dos Santos (UFBA/Departamento de Ciência da Computação). Interessados em assistir podem entrar em contato com o aluno através do seu e-mail abc@cin.ufpe.br.

Já a dissertação da aluna Sylvia Emmanuelle Castelo Branco de Holanda Victor tem o título “Otimização de Aspectos do Aprendizado para Lidar com Fluxo de Dados” e será apresentado às 14h. A defesa conta com a banca examinadora formada pelos docentes Cleber Zanchettin (UFPE/Centro de Informática - CIn), André Câmara Alves do Nascimento (UFRPE/Departamento de Computação), Francisco Madeiro Bernardino Junior (Unicap/Departamento de Estatística e Informática), Sérgio de Carvalho Bezerra (UFPB/Centro de Informática) e Emerson Alexandre de Oliveira Lima (UPE/ Escola Politécnica de PE).

Por fim, a tese do aluno Arthur do Rego Barros Mendonça é intitulada como “Avaliação Experimental de uma Arquitetura de Microsserviços para o Gerenciamento de Notas Fiscais Eletrônicas” e será apresentada às 14h30. A defesa conta com a banca examinadora formada pelos docentes Ana Carolina Brandão Salgado (UFPE/Centro de Informática), Ricardo Rodrigues Ciferri (UFSCar/Departamento de Computação) e Valeria Cesario Times (UFPE/Centro de Informática).

Resumo 1

O desenvolvimento de Sistemas de Transporte Inteligentes (ITS, do inglês Intelligent Transportation Systems) Sensíveis ao Contexto necessita de uma cuidadosa análise para identificar quais Elementos Contextuais podem contribuir na definição do Contexto da aplicação. Esta atividade é complexa, principalmente no cenário de ITS, muito vasto e com centenas de possibilidades. Há um conhecimento tácito em outros projetos da área e este não é utilizado atualmente em todo seu potencial por projetistas de sistemas. O objetivo desta pesquisa é analisar o uso de sensibilidade ao contexto em ITS e propor alternativas de organização desta informação para permitir a criação de ferramentas que contribuam para automatizar parte da tarefa de identificação dos elementos contextuais úteis para o desenvolvimento de uma nova aplicação. Uma revisão da literatura de projetos de ITS serviu para mapear o uso de elementos contextuais. Foram encontrados 70 projetos acadêmicos, aos quais se adicionaram três projetos comerciais, chegando a um total de 73 projetos. Com o mapeamento, procedeu-se à definição de uma Taxonomia de Categorias de Elementos Contextuais, para aumentar a granularidade da informação e facilitar seu uso em um sistema automatizado. A taxonomia conta com 79 categorias no total. Uma base de conhecimento foi construída relacionando os 73 projetos às categorias da taxonomia. A partir da taxonomia e da base de conhecimento, foi projetado um Sistema de Recomendação de Categorias de Elementos Contextuais para ITS, que utilizando um subconjunto inicial de Elementos Contextuais já identificados como necessários para uma nova aplicação, é capaz de recomendar categorias de Elementos Contextuais para a posterior análise do projetista da aplicação. A validação do sistema de recomendação indicou sua capacidade de recomendar categorias que são relevantes aos projetos. Ao utilizar um número n >= 8 de projetos similares para identificar as categorias, mesmo limitando a quantidade de recomendações em 15 itens, em mais de 75% das vezes o sistema recomendou categorias sabidamente utilizadas para o subconjunto informado como entrada. A criação de uma taxonomia associada ao desenvolvimento de um sistema de recomendação utilizando uma base de conhecimento de projetos da área de ITS apresentou potencial de contribuir positivamente no projeto e desenvolvimento de aplicações deste domínio, permitindo a identificação e consequente uso de mais elementos contextuais relevantes para a aplicação em projeto.

Resumo 2

Muitos desafios de aplicações comerciais envolvem mineração de dados aplicada a classificação em fluxo de dados. Os classificadores são métodos incrementais de instâncias que aprendem com cada exemplo conforme chegam e são capazes de lidar com um fluxo teoricamente infinito de instâncias, suscetível a mudança de conceito, com severas restrições de tempo de processamento e quantidade de memória, além disso, também precisam ser capazes de predizer um padrão a qualquer momento. Assim sendo, diferentes modelos de classificação foram adaptados para manipular fluxos de dados nessas condições, destacando-se para este trabalho a estratégia de aprendizado adaptativo aplicado a classificação com detecção, na qual a adaptação do modelo de aprendizado leva em consideração sinais de detecção do método de detecção de mudança de conceito. Normalmente, os trabalhos da literatura de detecção de mudança de conceito escolhem essa estratégia. Entretanto, é comum nas avaliações de desempenho entre métodos detectores não fazer distinção entre métodos que consideram dos que não consideram, sinais de detecção Warning. Neste trabalho, foram analisados os impactos do sinal de detecção Warning na acurácia de modelos e para isso são fornecidas evidências empíricas, referências e justificativas para descrever os efeitos do Warning na acurácia. Deste modo, sendo possível concluir que os sinais de detecção Warning na maioria das situações analisadas, quando são omitidos degradam da acurácia Prequential, resultando em diferenças estatísticas. Baseando-se nesses resultados, foram desenvolvidas duas estratégias para melhor lidar com os efeitos do sinal de detecção Warning. Elas possuem mecanismos capazes de garantir que novos modelos sejam treinados antes de serem testados sem depender dos sinais de detecção Warning do método de detecção de mudança de conceito. Assim sendo, foi possível fornecer uma análise aprofundada comparando os impactos dos sinais de detecção Warning na acurácia Prequential, incluindo um estudo empírico para comparar várias versões diferentes de métodos de detecção de mudança de conceito em cada estratégia. Por fim, os experimentos empíricos, tanto com bases artificiais como reais e os novos algoritmos foram implementados no framework Massive Online Analysis (MOA) e executados na ferramenta MOAManager, alcançando resultados promissores nos novos algoritmos.

Resumo 3

Notas fiscais eletrônicas são documentos digitais no formato XML que registram operações de circulação de mercadorias ou prestação de serviços. Por meio de convênios de cooperação, os órgãos de arrecadação e controle fiscal têm intensificado o compartilhamento das notas fiscais que envolvem compras governamentais com os órgãos de controle da Administração Pública, como tribunais de contas e o Ministério Público. No entanto, o gerenciamento desses dados em SGBDs relacionais se mostra desafiador, principalmente pelo volume de dados gerado e pela variedade de formatos da NF-e, em cujo leiaute estão previstos campos multivalorados e opcionais. O leiaute é frequentemente modificado, o que leva à necessidade de retrabalho na modelagem dos dados. Neste trabalho, se descreve a arquitetura ControleNF, uma arquitetura que utiliza microsserviços, uma REST API e SGBD NoSQL para o gerenciamento das notas fiscais por órgãos de controle. A arquitetura é avaliada do ponto de vista qualitativo, através dos critérios de manutenibilidade e portabilidade, previstos no ISO/IEC 25010, e quantitativo, em que os aspectos de desempenho e escalabilidade são mensurados através de uma avaliação experimental. Embora a avaliação qualitativa aponte possíveis ganhos relativos à facilidade de manutenção e à portabilidade da arquitetura, o desempenho mensurado no experimento foi consideravelmente inferior àquele observado na arquitetura tradicional que utiliza SGBDs relacionais. Uma investigação detalhada é realizada e possíveis causas da perda de desempenho são relatadas.

Data da última modificação: 07/03/2022, 16:24