Webmedia2007 V4

1

Sistema de Recomendação de Artigos Científicos a Partir de um Texto Exemplo Christiano Avila

Stanley LohFrederico Fonseca

2

Sumário

Introdução SisRecAC Experimentos Resultados Considerações Finais / Conclusões Apoio

3

Introdução

Segundo Spink et al.[19]: 52% das consultas submetidas aos mecanismos de

buscas são reformuladas 32,5% das consultas modificadas sofreram alterações nos

termos submetidos, mas não no número total de termos 41,6% incluíram termos novos 25,9% eram relativas a consultas modificadas pela exclusão de

termos.

Pesquisa da iProspect concluiu que 82% dos usuários de mecanismos de busca refazem consultas não bem sucedidas acrescentando mais palavras.

4

Introdução

Silverstein et al. [17], Lau & Horvitz [10], Spink et al. [19], Teevan et al. [20] constatam que usuários utilizam entre 2 e 3 termos em média

Entretanto, Kraft et al. [8], concluíram que o número ideal de palavras a serem submetidas para busca nos mecanismos deve ficar entre 5 e 9.

5

Introdução Belkin et al. [2] e o Estado Anômalo de Conhecimento

(ASK - Anomalous State of Knowledge). Problema para especificar precisamente os termos Os mecanismos de busca tradicionais exigem que o

usuário tenha algum conhecimento Contradição pedir ao usuário para formular o que

precisa se é isto justamente o que falta. “Método” de tentativa e erro que toma tempo e pode

gerar frustração com o mecanismo de busca.

6

Introdução

Motivação dificuldade para determinar as palavras-chave. Aplicações na área de apoio ao ensino

7

SisRecAC

Sistema de recomendação de artigos científicos (SisRecAC)

Baseado no paradigma de “query by example” É um sistema de metabusca

8

Paradigma 1 Query by exemplo Paradigma 2

Descrição O usuário deve saber informar corretamente as palavras-chave

O usuário informa um exemplo do que precisa

O sistema constrói um perfil dos usuários (filtragem colaborativa, baseado em conteúdo)

Exemplos Google, Yahoo, outros

SisRecAC Movielens, Grupolens, diversos sistemas de e-commerce

Problemas ASK Ter o documento de exemplo

Partida a frio (Cold start), pouca possibilidade de surpresa (serendipity)

SisRecAC

9

SisRecAC1) Faz upload de um Documento (.pdf, .txt)

2) Escolhe um método

usuário

3) Extrai palavras-chave do Documento

5)Links para Artigos científicos

4) Submete Palavras-chave

6) Recebe as recomendações

7) Faz a avaliação

10

SisRecAC

11

Tags

Upload

12

Upload

Recomendação 1

Recomendação 2

Recomendação 3

13

SisRecAC

Métodos Identificar ou extrair de características do

documento Submeter consulta ao mecanismo de busca. Comparar diferentes métodos de extração de

palavras-chave de textos. Utilizar título e “tags” informadas pelos

usuários.

14

SisRecAC

Expressões Método 1 – uma expressão Método 2 – 2 expressões Método 3 - 3 expressões

15

SisRecAC

Palavras com maior freqüência Método 4 - 4 palavras de maior freqüência no

documento. Métodos 5, 6, 7, 8 e 9 – idem, porém 5, 6, 7, 8 e

9 palavras.

16

SisRecAC

Outros métodos Método 10 - título do documento Método 11 – tags

17

Experimentos

Seleção do Método Escolhido em função da quantidade de

avaliações realizadas

18

Experimentos

Os usuários do SisRecAc são convidados a avaliar as recomendações do sistema.

Podem informar se consideram a recomendação: Totalmente relevante Parcialmente relevante Irrelevante

19

Upload

Recomendação 1

Recomendação 2

Recomendação 3

Avaliação

20

Resultados

Gráfico

Expressões Termos simples Título Tags

21

Conclusões Este projeto confirma Kraft et al. [8] que descobriu que o número ideal de

termos em uma consulta deve estar entre 5 e 9 Demonstra que sistemas de recomendação baseados no paradigma de

“query by example” são uma alternativa viável pois o uso de exemplos minimiza o esforço do usuário para selecionar palavras-chave para representar sua intenção de busca.

O sistema apresentado nesse artigo mostra que técnicas automáticas podem alcançar boa precisão quando recomenda documentos baseados em um exemplo.

O algoritmo que extrai as palavras-chave dos documentos é relativamente simples e com baixo custo computacional se comparado a outros algoritmos com fins semelhantes.

O sistema apresenta um excelente potencial de utilização na área acadêmica, onde manuais, artigos, apostilas e conteúdos programáticos poderiam ser utilizados como texto base para recomendação.

22

Trabalhos futuros

Descoberta de conhecimento em “folksonomias” Uso de tags com expansão baseada em folksonomias Ampliar os recursos do SisRecAc (agentes, convites, uso de perfil, …) Integração com o Sistema de Apoio da UCPEL (conteúdos programáticos,

uploads de professores, …)

23

Apoio

Este trabalho é parcialmente apoiado pela FAPERGS (Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul).

24

Sistema de Recomendação de Artigos Científicos a Partir de um Texto Exemplo

Christiano Avila – chris AT direto2.ucpel.tche.brStanley Loh - loh AT ucpel.tche.br

Frederico Fonseca - frederico12345 AT gmail.com

25

26

27

28

Experimentos

Total de usuários:32 Total de documentos:179 Total de avaliações:929