| Campo DC | Valor | Idioma |
|---|
| dc.contributor.advisor | Silva, Daniel Guerreiro e | - |
| dc.contributor.author | Braz, Júlia Cabral Diniz | - |
| dc.date.accessioned | 2022-10-03T21:55:24Z | - |
| dc.date.available | 2022-10-03T21:55:24Z | - |
| dc.date.issued | 2022-10-03 | - |
| dc.date.submitted | 2022-06-27 | - |
| dc.identifier.citation | BRAZ, Júlia Cabral Diniz. Um sistema imuno-inspirado de recomendação de disciplinas para cursos superiores. 2022. xii, 57 f., il. Dissertação (Mestrado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2022. | pt_BR |
| dc.identifier.uri | https://repositorio.unb.br/handle/10482/44971 | - |
| dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2022. | pt_BR |
| dc.description.abstract | Sistemas de recomendação podem ser aplicados no meio acadêmico para auxiliar na escolha de disciplinas que se adaptem ao perfil de cada aluno. Isso porque algumas instituições
tentam manter um currículo aberto para que haja flexibilidade de formações e interdisciplinaridade, em outras palavras, o aluno pode escolher quais disciplinas vai cursar, levando em
consideração se ele acha relevante a seus interesse. Nesta dissertação apresentamos os fundamentos de duas classes importantes de métodos de recomendação: recomendação baseada
em conteúdo e filtragem colaborativa. O sistema imunológico adquirido dos vertebrados é
usado como inspiração para meta-heurísticas por sua robustez, auto-organização, e sua capacidade de aprendizado. Foi proposta a aplicação de um algoritmo de filtragem colaborativa
baseado em um sistema imunológico artificial (SIA) ao problema de recomendar disciplinas
a alunos de graduação. Sistemas imunológicos artificiais tem algumas características que
os tornam adequados para implementação de sistema de recomendação. São elas: correspondência, que se refere à ligação entre anticorpos e antígenos, ao qual se pode traçar um
paralelo entre o cálculo de semelhança de entre o alvo e outros usuários; diversidade, que
se refere ao fato de que, para atingir a cobertura ideal do espaço de variações do antígeno,
a diversidade de anticorpos deve ser incentivada, isso pode ser traduzido no sistema de recomendação como a capacidade de evitar a especificidade da recomendação; e memória,
capacidade de "aprendizado", o sistema imunológico é capaz de lembrar de anticorpos capazes de combater antígenos específicos, esta característica pode que facilitar a geração de
novas recomendações. Por fim, foram conduzidos experimentos para otimizar parâmetros
do algoritmo e avaliar o desempenho geral da abordagem proposta. Para a análise foram
utilizados dados históricos de alunos de Engenharia de Redes de Comunicação da Universidade de Brasília. Os resultados do algoritmo proposto mostram um expressivo aumento da
quantidade de recomendações em comparação com uma técnica básica de filtragem, aliado
a uma maior precisão e diversidade das recomendações. | pt_BR |
| dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). | pt_BR |
| dc.language.iso | Português | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.title | Um sistema imuno-inspirado de recomendação de disciplinas para cursos superiores | pt_BR |
| dc.type | Dissertação | pt_BR |
| dc.subject.keyword | Sistemas de recomendação | pt_BR |
| dc.subject.keyword | Algoritmos bioinspirados | pt_BR |
| dc.subject.keyword | Sistemas imunológicos artificiais | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
| dc.description.abstract1 | Recommender systems can be applied in the academic environment to assist in choosing subjects that adapt to the profile of each student. This is because some institutions try
to keep an open curriculum, in other words, the student can choose which subjects to take,
taking into account if he/she finds it relevant to his/her interests. In this dissertation we present the fundamentals of two important classes of recommendation methods: content-based
recommendation and collaborative filtering. The immune system of vertebrates is used as
inspiration for metaheuristics for its robustness, self-organization, and its ability to learn.
It was proposed to apply a collaborative filtering algorithm based on an artificial immune
system (AIS) to the problem of recommending courses to undergraduate students. Artificial immune systems have some characteristics that make them suitable for recommender
system implementation. They are: correspondence, which refers to the link between antibodies and antigens, to which a parallel can be drawn between the calculation of similarity
between the target of recommendation and other users; diversity, which refers to the fact
that, in order to achieve the ideal coverage of the space of antigen variations, the diversity
of antibodies must be encouraged, in a recommendation system this characteristic can avoid
the specificity of the recommendation; and memory, "learning"capacity, the immune system
is capable of remembering antibodies capable of fighting specific antigens, thinking about
the recommendation system, this characteristic can facilitate the generation of new recommendations. Experiments were conducted to optimize algorithm parameters and evaluate the
overall performance of the proposed approach. For the analysis, historical data from students
of Communication Network Engineering at the University of Brasília were used. The results
of the proposed algorithm show a significant increase in the number of recommendations
compared to the basic filtering technique, combined with a great accuracy and diversity of
recommendations. | pt_BR |
| dc.description.unidade | Faculdade de Tecnologia (FT) | pt_BR |
| dc.description.unidade | Departamento de Engenharia Elétrica (FT ENE) | pt_BR |
| dc.description.ppg | Programa de Pós-Graduação em Engenharia Elétrica | pt_BR |
| Aparece nas coleções: | Teses, dissertações e produtos pós-doutorado
|
