Mecanismo de busca semântica baseado em Word Embeddings em dados do currículo Lattes, programas de pós-graduação e grupos de pesquisa.

Página do item simplificado
dc.contributor.advisorJorge, Eduardo Manuel de Freitas
dc.contributor.authorBatista, João Vítor Café dos Reis
dc.contributor.refereeCardoso, Hugo Saba Pereira
dc.contributor.refereeFilho, Aloisio Santos Nascimento
dc.date.accessioned2025-01-08T16:50:51Z
dc.date.available2025-01-08T16:50:51Z
dc.date.issued2024-12-19
dc.description.abstractA busca por pesquisadores e suas publicações científicas é fundamental para o acesso ao conhecimento acadêmico. Contudo, os mecanismos de busca nas bases de dados acadêmicas frequentemente se limitam à correspondência de palavras-chave, desconsiderando a semântica e o contexto das consultas, o que pode gerar resultados insatisfatórios e pouco relevantes. A pesquisa realizada, utilizando a metodologia Design Science Research (DSR), visa à implementação e análise de abordagens de busca semântica, empregando técnicas de Inteligência Artificial (IA), como Word Embeddings e Large Language Models (LLMs), para proporcionar respostas mais relevantes aos usuários em buscas acadêmicas. A implementação foi dividida em dois ciclos: o primeiro, focado na melhoria da eficácia dos mecanismos de busca frente às limitações conhecidas, e o segundo, enfatizando a busca semântica, considerando metadados descritos em linguagem natural nas consultas, com o uso de LLMs para gerar automaticamente filtros que delimitem o escopo da busca. O estudo detalha a realização de buscas semânticas por meio da transformação e indexação de Word Embeddings. Os resultados indicam que métodos híbridos de busca podem aumentar significativamente a relevância dos resultados retornados. Além disso, a construção de uma matriz de rastreabilidade dos requisitos e a elaboração de cenários de consulta demonstraram que os artefatos atendem aos requisitos propostos, como a realização de buscas em dados e metadados de pesquisadores e suas produções bibliográficas. Portanto, os artefatos desenvolvidos podem ser utilizados como base para outras aplicações semelhantes, promovendo o avanço científico ao fortalecer a acessibilidade e democratização da informação acadêmica.
dc.description.abstract2The search for researchers and their respective scientific publications plays a fundamental role in accessing information and academic knowledge. However, search mechanisms in academic databases often rely solely on keyword matching, disregarding the semantics and context of user queries, which can lead to unsatisfactory and irrelevant results. The proposed study, using the Design Science Research (DSR) methodology, aims to implement and analyze semantic search approaches, employing Artificial intelligence (AI) techniques such as Word Embeddings and Large Language Models (LLMs) to provide more relevant answers to users in academic searches. The implementation was divided into two cycles: the first focused on improving the effectiveness of search mechanisms in light of known limitations, and the second emphasized semantic search, considering metadata described in natural language in the queries, with the use of LLMs to automatically generate filters that define the scope of the search. The study details the execution of semantic searches through the transformation and indexing of Word Embeddings. The results indicate that hybrid search methods can significantly increase the relevance of responses. Additionally, the development of a requirements traceability matrix and the creation of use cases demonstrated that the artifacts meet the proposed requirements, such as performing searches on data and metadata from researchers and their bibliographic productions. The developed artifacts can be used as a foundation for other similar applications, fostering scientific progress by enhancing the accessibility and democratization of academic information.
dc.format.mimetypeapplication/pdf
dc.identifier.citationBATISTA, João Vítor Café dos Reis. Mecanismo de busca semântica baseado em word embeddings em dados do currículo lattes, programas de pós graduação e grupos de pesquisa. Orientador: Eduardo Manuel de Freitas Jorge. 2024. 66f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação), Departamento de Ciências Exatas e da TerraI, Campus I, Universidade do Estado da Bahia, Salvador, 2024.
dc.identifier.urihttps://saberaberto.uneb.br/handle/20.500.11896/7094
dc.identifier2.Latteshttp://lattes.cnpq.br/7152891480658222
dc.language.isopor
dc.publisherUniversidade do Estado da Bahia
dc.publisher.programColegiado de Sistema de Informações
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subject.keywordsEmbeddings de palavras
dc.subject.keywordsBusca semântica
dc.subject.keywordsMecanismo de busca
dc.subject.keywordsProcessamento de linguagem natural
dc.subject.keywordsCurriculo lattes
dc.subject.keywordsInteligência artifical
dc.subject.keywordsIA generativa
dc.titleMecanismo de busca semântica baseado em Word Embeddings em dados do currículo Lattes, programas de pós-graduação e grupos de pesquisa.
dc.title.alternativeSemantic search engine based on Word Embeddings for data from the Lattes curriculum, postgraduate programs, and research groups.
dc.typeinfo:eu-repo/semantics/bachelorThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Mecanismo de busca semântica_João Batista.pdf
Tamanho:
4.79 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
462 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Bacharelado em Sistemas de Informação - DCET1