MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO SECRETARIA DE CIÊNCIA E TECNOLOGIA INSTITUTO MILITAR DE ENGENHARIA CURSO DE MESTRADO EM SISTEMAS E COMPUTAÇÃO

Tamanho: px
Começar a partir da página:

Download "MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO SECRETARIA DE CIÊNCIA E TECNOLOGIA INSTITUTO MILITAR DE ENGENHARIA CURSO DE MESTRADO EM SISTEMAS E COMPUTAÇÃO"

Transcrição

1 MINISTÉRIO DA DEFESA EXÉRCITO BRASILEIRO SECRETARIA DE CIÊNCIA E TECNOLOGIA INSTITUTO MILITAR DE ENGENHARIA CURSO DE MESTRADO EM SISTEMAS E COMPUTAÇÃO PHILLIPE DA SILVA CAVALCANTE MECANISMO DE ENCADEAMENTO DE NOTÍCIAS WEB BASEADO EM IMPLICAÇÃO TEXTUAL Rio de Janeiro 2014

2 INSTITUTO MILITAR DE ENGENHARIA PHILLIPE DA SILVA CAVALCANTE MECANISMO DE ENCADEAMENTO DE NOTÍCIAS WEB BASEADO EM IMPLICAÇÃO TEXTUAL Dissertação de Mestrado apresentada ao Curso de Mestrado em Sistemas e Computação do Instituto Militar de Engenharia, como requisito parcial para obtenção do título de Mestre em Sistemas e Computação. Orientador: Maj. Wallace Anacleto Pinheiro - DSc. Rio de Janeiro 2014

3 c2014 INSTITUTO MILITAR DE ENGENHARIA Praça General Tibúrcio, 80 - Praia Vermelha Rio de Janeiro - RJ CEP Este exemplar é de propriedade do Instituto Militar de Engenharia, que poderá incluí-lo em base de dados, armazenar em computador, microfilmar ou adotar qualquer forma de arquivamento. É permitida a menção, reprodução parcial ou integral e a transmissão entre bibliotecas deste trabalho, sem modificação de seu texto, em qualquer meio que esteja ou venha a ser fixado, para pesquisa acadêmica, comentários e citações, desde que sem finalidade comercial e que seja feita a referência bibliográfica completa. Os conceitos expressos neste trabalho são de responsabilidade do autor e do orientador. XXXXXCavalcante, P. S. Mecanismo de Encadeamento de Notícias Web Baseado em Implicação Textual/ Phillipe da Silva Cavalcante. Rio de Janeiro: Instituto Militar de Engenharia, xxx p.: il., tab. Dissertação (mestrado) Instituto Militar de Engenharia Rio de Janeiro, Recomendação de Notícias. 2. Reconhecimento de Implicação Textual. I. Mecanismo de Encadeamento de Notícias Web Baseado em Implicação Textual. II. Instituto Militar de Engenharia. CDD

4 INSTITUTO MILITAR DE ENGENHARIA PHILLIPE DA SILVA CAVALCANTE MECANISMO DE ENCADEAMENTO DE NOTÍCIAS WEB BASEADO EM IMPLICAÇÃO TEXTUAL Dissertação de Mestrado apresentada ao Curso de Mestrado em Sistemas e Computação do Instituto Militar de Engenharia, como requisito parcial para obtenção do título de Mestre em Sistemas e Computação. Orientador: Maj. Wallace Anacleto Pinheiro - DSc. Aprovada em 27 de Agosto de 2014 pela seguinte Banca Examinadora: Maj. Wallace Anacleto Pinheiro - DSc. do IME - Presidente Prof. Jano Moreira de Souza - PhD. da UFRJ Prof. Marcos Veloso Peixoto - PhD. do IME Rio de Janeiro

5 4 Aos meus pais, Manoel e Angelita. Aos meus irmãos, Thiago e Emanuelle.

6 AGRADECIMENTOS Dos fundamentos até esta técnica foram anos de estudo e pesquisa vividos com grandes pessoas. Por isso, agradeço a todos que participaram da minha vida neste período e que contribuíram, de uma maneira direta ou indireta, para este estudo e a minha formação. Agradeço a minha família, meus pais e meus irmãos, aos meus amigos e colegas de trabalho, pela presença em minha vida. Ao meu orientador, Wallace, pela paciência e contribuição do início ao fim com o projeto e desenvolvimento deste trabalho. Ao Instituto Militar de Engenharia e à Fundação Capes, por fomentarem esta pesquisa. Juntos chegamos até aqui. Obrigado por tudo. Phillipe da Silva Cavalcante 5

7 Misura ciò che è misurabile e rendi misurabile ciò che non è misurabile. Galileo Galilei 6

8 SUMÁRIO LISTA DE FIGURAS LISTA DE TABELAS LISTA DE ALGORITMOS LISTA DE CÓDIGOS INTRODUÇÃO Objetivos Organização dos Capítulos REVISÃO LITERÁRIA Trabalhos Relacionados Fundamentos Reconhecimento de Implicação Textual (RTE) Implicação Textual Modelos de Aprendizagem de RTE Funções de Ranking TF-IDF BM25F MECANISMO DE ENCADEAMENTO DE NOTÍCIAS Encadeamento de Implicação Textual Função de Ranqueamento Algoritmo de Encadeamento Mecanismo de Recomendação Arquitetura de Indexação Arquitetura de Busca e Encadeamento Camada de Apresentação Camada de Aplicação Camada de Dados Considerações Finais

9 4 EXPERIMENTO Configuração do Experimento Usuários Coleção de Notícias Notícias iniciais Avaliação do Mecanismo Mecanismo vs. Relevância e Tempo Perguntas Feitas ao Usuário Discussões CONCLUSÕES REFERÊNCIAS BIBLIOGRÁFICAS ANEXOS A APLICAÇÃO WEB DO MECANISMO A.1 Interface Gráfica do Usuário A.2 Esquemas

10 LISTA DE FIGURAS FIG.2.1 Grafo de Classificação de Notícias FIG.2.2 Grafo de influência (SHAHAF, 2012) FIG.2.3 Grafo de causalidade (RODRIGUES, 2011) FIG.2.4 Arquitetura de encadeamento de notícias (CAVALCANTE, 2013) FIG.2.5 Classificador RTE FIG.3.1 Arquitetura de Indexação de Notícias FIG.3.2 Arquitetura de busca e encadeamento de notícias FIG.3.3 Diagrama de sequência do processo de busca e encadeamento de notícias FIG.4.1 Perfil dos Usuários FIG.4.2 Número de Usuários por Encadeamento FIG.4.3 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.4 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.5 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.6 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.7 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.8 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.9 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.10 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.11 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.12 Densidade dos Coeficientes de Spearman e Kendall: Notícia FIG.4.13 Respostas dos Participantes às Perguntas do Experimento FIG.A.1 Tela de Busca de Notícias FIG.A.2 Tela de Encadeamento de Notícias FIG.A.3 Tela de Perfil do Usuário FIG.A.4 Tela de Escolha de Encadeamento para Avaliação FIG.A.5 Tela de Encadeamento do Usuário FIG.A.6 Tela de Avaliação de Encadeamento Original FIG.A.7 Tela de Análise de Encadeamento e Perfil de Usuário

11 LISTA DE TABELAS TAB.2.1 Comparação de características dos trabalhos relacionados TAB.4.1 Notícias Iniciais TAB.4.2 Comparação entre o Mecanismo e as Abordagens de Relevância e Tempo usando o Coeficiente de Spearman Médio TAB.4.3 Comparação entre o Mecanismo e as Abordagens de Relevância e Tempo usando o Coeficiente Tau de Kendall Médio TAB.4.4 Perguntas sobre o Encadeamento TAB.4.5 Comparação da média geral entre as abordagens

12 LISTA DE ALGORITMOS 1 Função de Ranking Algoritmo de Encadeamento Algoritmo de Coleta

13 LISTA DE CÓDIGOS A.1 Esquema de Artigos A.2 Esquema de Documentos A.3 Esquema dos arquivos rte2_dev.xml e rte2_test.xml

14 RESUMO Uma das principais vantagens dos sites de notícias sobre os jornais tradicionais é a capacidade de complementar o conteúdo de uma notícia por meio da recomendação de notícias relacionadas. A recomendação é feita tipicamente pelos editores, geralmente, através de buscas em uma coleção de notícias. No entanto, ela é considerada custosa e estática, além de ser limitada ao conhecimento dos editores sobre as notícias. A maioria das soluções usa técnicas tradicionais de recuperação da informação, como métodos de classificação por relevância ou sistemas de recomendação personalizada. Estas técnicas proporcionam notícias muito parecidas, o que pode não atender a necessidade de informação do usuário. Este trabalho apresenta um mecanismo de encadeamento de notícias capaz de fornecer notícias organizadas segundo um critério de implicação textual, proporcionando ao usuário uma progressão do conteúdo que está sendo lido. Para isso, o mecanismo utiliza um sistema de reconhecimento de implicação textual, para o encadeamento das notícias, e técnicas tradicionais de indexação, busca e recuperação de notícias. Os resultados obtidos com este mecanismo foram comparados com as abordagens de ordenação por tempo e relevância usando os métodos TF-IDF e BM25F e mostraram que o mecanismo de encadeamento de notícias por implicação textual proporciona encadeamentos de notícias que atendem a necessidade de informação dos usuários com uma precisão maior do que as técnicas tradicionais de recuperação de informação para a recomendação de notícias. 13

15 ABSTRACT One of the main advantages of news web sites over traditional newspapers is the ability to complement the content of a news story by recommending related news. The recommendation is typically made by the editors, usually by searching on a collection of news. However, it is considered expensive, cumbersome and static, and is limited to knowledge of the editors on the news. Most solutions apply traditional techniques of information retrieval as relevance ranking methods or personalized recommender systems. These techniques provide very similar news, which can not meet the need of user information. This work presents a mechanism for news chaining able to provide news stories organized according to a criterion of textual implication, providing the user with a progression of content that is being read. For this, the mechanism uses a system for recognizing textual implication, for the sequence of news, and traditional techniques of indexing, search and retrieval of news. The results obtained with this mechanism were compared with the approaches of sorting by time and relevance, using TF-IDF and BM25F methods, and showed that the mechanism of news chaining based on textual implication provides news that meet the information needs of users with greater accuracy than traditional information retrieval techniques for recommendation of news. 14

16 1 INTRODUÇÃO A leitura de notícias web é uma das atividades mais realizadas na Internet. Segundo o relatório internacional de notícias digitais do Instituto Reuters (LEVY, 2014), as pessoas estão acessando notícias online cada vez mais, e em uma frequência jamais vista antes. Este fenômeno está sendo causado, particularmente, pela expansão de dispositivos móveis, como smartphones e tablets, e pela facilidade de acesso à Internet. Além disso, a popularidade dos dispositivos móveis tem transformado as mídias sociais em um veículo relevante de compartilhamento e descoberta de notícias online (MITCHELL, 2014). Mesmo com a importância das mídias sociais, elas não são o principal meio de acesso a notícias online. A maioria das pessoas prefere acessar notícias diretamente em sites de jornais tradicionais. O segundo meio mais popular são os mecanismos de busca. As mídias sociais aparecem em terceiro lugar, seguidas do (LEVY, 2014). Uma grande vantagem das notícias online sobre as mídias sociais é a capacidade de aprofundar o conteúdo das notícias por meio de links para notícias relacionadas. Sites de notícias fazem uso de recomendação de notícias para proporcionar uma experiência de conteúdo completa e relevante para o usuário. No entanto, a recomendação de notícias pode falhar ao prover notícias relacionadas. Quando isso acontece, a experiência do usuário pode ser prejudicada, inclusive, comprometendo o seu retorno ao site. Portanto, a efetividade da recomendação de notícias é um problema relevante para os sites de notícias (LV, 2011). Normalmente, as notícias relacionadas são selecionadas pelos próprios editores dos sites de notícias. Embora a qualidade dessa abordagem seja alta, ela não é eficaz. Porque é trabalhosa para o editor e dispendiosa para o site. Além disso, o processo de escolha de notícias fica limitado à familiaridade do editor sobre o assunto das notícias (LV, 2011; RODRIGUES, 2010, 2011). Logo, torna-se desejável o desenvolvimento de uma técnica eficaz de recomendação de notícias que seja capaz de selecionar notícias relacionadas de modo capturar a necessidade de informação do usuário e proporcionar um experiência de conteúdo completa e relevante. 15

17 Existem trabalhos que propõem notícias relacionadas com base em métodos tradicionais de recuperação da informação como similaridade ou relevância. Mas, esse métodos não são tão eficazes. O problema da recomendação de notícias não se resume a recuperação de notícias similares ou relevantes. Outros trabalhos criam métodos específicos de recomendação de notícias como (LV, 2011; SHAHAF, 2011, 2012). O sistema proposto por RODRIGUES (2010) aborda os dois problemas apresentados e utiliza o conceito de sabedoria das multidões para a sugestão de notícias em um encadeamento causal e temporal, mas tem a necessidade de solicitar feedback do usuário para realizar o encadeamento. Outra solução é apresentada por SHAHAF (2011, 2012), que propõe um método de encadeamento textual entre duas notícias previamente selecionadas pelo usuário, porém este método se torna inviável para a recomendação de notícias, já que a única informação diponível é a notícia selecionada pelo usuário. Este trabalho apresenta um mecanismo de encadeamento de notícias capaz de fornecer notícias organizadas segundo um critério de implicação textual, proporcionando ao usuário uma progressão do conteúdo que está sendo lido. Para isso, o mecanismo utiliza um sistema de reconhecimento de implicação textual, para o encadeamento das notícias, e técnicas tradicionais de indexação, busca e recuperação de notícias. Os resultados obtidos com este mecanismo foram comparados com as abordagens de ordenação por tempo e relevância usando os métodos TF-IDF e BM25F e mostraram que o mecanismo de encadeamento de notícias por implicação textual proporciona encadeamentos de notícias que atendem a necessidade de informação dos usuários com uma precisão maior do que as técnicas tradicionais de recuperação de informação para a recomendação de notícias. 16

18 1.1 OBJETIVOS O objetivo deste trabalho é desenvolver uma técnica de recomendação de notícias que seja capaz de complementar o conteúdo de uma notícia por meio de notícias relacionadas e encadeadas segundo um critério causal e temporal. Para alcançar este objetivo alguns objetivos secundários foram propostos: Traduzir para Português as bases de implicação textual RTE 1, 2 e 3; Propor uma arquitetura de encadeamento de notícias; Desenvolver um classificador de implicação textual para Português; Desenvolver uma função de ranking de encadeamento de notícias; Desenvolver um algoritmo de encadeamento de notícias; Desenvolver uma ferramenta que aplicasse a técnica proposta; e Avaliar os resultados obtidos com a ferramenta. 1.2 ORGANIZAÇÃO DOS CAPÍTULOS O capítulo 2 faz uma revisão do estado da arte de sistemas de recomendação de notícias. O capítulo 2.2 apresenta os fundamentos necessários para o entendimento do mecanismo de recomendação de notícias. O capítulo 3 propõe o mecanismo de recomendação de notícias web. O capítulo 4 mostra como o experimento foi realizado, os resultados encontrados e as discussões sobre estes resultados. O capítulo 5 apresenta as conclusões obtidas com este trabaho, apresenta as principais contribuições e discute trabalhos futuros. 17

19 2 REVISÃO LITERÁRIA Impulsionada pela expansão dos dispositivos móveis, como smartphones e tablets, e a popularidade das mídias sociais, a busca e a navegação por meio de notícias estão entre as atividades mais realizadas na Internet. Consequentemente, a presença de mecanismos de recomendação de notícias passou a ser indispensável nos sites de notícias, na tentativa de atender essa demanda (LEVY, 2014; MITCHELL, 2014). A recomendação de notícias ainda é uma tarefa realizada tipicamente pelos editores de sites de notícias. No entanto, este processo é considerado ineficiente, não somente por ser demorado e custoso, mas também por depender do conhecimento do editor sobre o tópico das notícias. Além disso, a recomendação de notícias pelo editor é considerada estática, uma vez que as notícias recomendadas não são atualizadas com a ocorrência de novas notícias relacionadas (LV, 2011; DEL CORSO, 2005). Como solução para isso, os melhores sites de notícias usam técnicas tradicionais de recuperação da informação, com base em conteúdo, no intuito de amenizar a sobrecarga de informação para o editor ou como mecanismo de recomendação (MULDER, 2006). Os trabalhos de KOREN (2011); PINHEIRO (2010, 2009); CHIANG (2004) propõem filtros de notícias que poderiam ser usados para diminuir a sobrecarga de informação para o editor. Já os trabalhos de DAI (2011); ZELENÍK (2011); CHEN (2010); ZHANG (2011); BOGERS (2007); ZHAI (2005); NALLAPATI (2004); MAKKONEN (2003) apresentam técnicas de recomendação por similaridade, ou relevância, que seriam adequadas para um mecanismo de recomendação de notícias. Apesar de diminuir o espaço de busca para a escolha de notícias relacionadas, o uso de filtros de notícias pelo editor não garante a efetividade da recomendação, ainda que aumente as chances dela ser formada por um conteúdo mais completo. No caso do mecanismo, a questão é que a aplicação de técnicas de similaridade, ou relevância, pode não atender a necessidade de informação do usuário, uma vez que elas recomendam notícias muito parecidas (LV, 2011; DEL CORSO, 2005). 18

20 Outra solução é o uso de sistemas de recomendação. Partindo da observação de que as notícias são recomendadas para o usuário, é plausível inferir que a recomendação para um usuário pode não atender a necessidade de informação de outro. Assim, outros trabalhos propõem sistemas de recomendação personalizada como mecanismo de recomendação de notícias. Apesar de sutil, há uma diferença entre sistemas de recomendação e recomendação de notícias. A primeira é uma técnica de recuperação da informação, enquanto que a segunda é o propósito da recomendação de notícias (ADOMAVICIUS, 2005). A maioria dos sistemas de recomendação de notícias personalizadas se baseiam em técnicas tradicionais de recuperação da informação como, por exemplo, os trabalhos de CAPELLE (2012); GOOSSEN (2011); LI (2010); CANTADOR (2009); BOGERS (2007); HERLOCKER (2004); alguns trabalhos fazem uso de outras plataformas, como as redes sociais, para atingir o mesmo objetivo (LIU, 2010; PHELAN, 2009). No entanto, a aplicação de ontologias tem mostrado resultados mais consistentes do que os obtidos com técnicas tradicionais (RAO, 2013; FRASINCAR, 2011; IJNTEMA, 2010). A recomendação personalizada de notícias, de acordo com os trabalhos acima, parece ser mais eficaz que as técnicas tradicionais. O conteúdo personalizado aumenta as chances de atender a necessidade de informação do usuário. Porém, a personalização pode comprometer a recomendação de novas notícias relacionadas. Como exemplo, dada uma notícia inicial, basta considerar uma nova notícia cujo conteúdo não é de conhecimento do sistema como sendo de interesse do usuário, mas está relacionado a notícia inicial. As técnicas mencionadas acima, em algum momento, ou recomendam notícias muito similares ou deixam de recomendar notícias relacionadas. Baseado nessa observação, o trabalho de DEL CORSO (2005) ressalta que essas técnicas não foram projetadas para a recomendação de notícias, e sim, para a recuperação de documentos ou páginas web. Justificando o desenvolvimento de técnicas específicas de recuperação de notícias. A seção a seguir discute o trabalho de DEL CORSO (2005) e outros trabalhos relacionados que levaram ao desenvolvimento do mecanismo proposto. 19

21 and news sources larly true for information flows, since di erent news sources nd on the natural can post independently many stream of news articles. In ews stories. Now, Section 5.2 we propose a solution to this problem. This anking algorithms solution handles the data stream of news information with presenting the als. 2.1 TRABALHOS takes inrelacionados account a particular decay function associated to no predefined time window of observation. The solution any given piece of news. The algorithms proposed turn out and News sources. to be tunable, in the sense that we can change the decay rate rank for Esta news seção discute os trabalhos relacionados ao mecanismo proposto, suas propriedades, parameters according to the categories in which the news funcionamentos posting e aplicações. is classified. Ao final da seção, uma tabela comparativa é apresentada com as principais In the características following, de wetodos introduce os trabalhos, the model servindo whichdecharacter- izes news articles and news sources. Given a news stream, are Clustered. An referência e motivação (partially) para repli-e, consider a news mecanismo a set of proposto. news sources, and fixing a time window!, the news O trabalho creation de DELprocess CORSO can (2005) be ressalta represented que existe by means uma diferença of a undirected entre a recomendação of de notícias cy. The measure by the number e graph a recuperação G! = (V,E) de páginas where web, V especialmente, = S [ N and fontes S are de notícias. E the nodes representing the news sources, while N are the replicate n or justifica exnomenon of citing issonodes com base representing na observação thede news que uma stream novaseen notícia in the publicada time window!. Analogously, das notíciasthe já existentes set of edges ou pode E is partitioned ser agrupadain atwo um conjunto de pode ser completamente independente mmon in the conws engine point notícias of relacionadas. Por esta 1 and E disjoint sets E razão, 2. E ainda 1 is the set of undirected edges não existem links para ela. Portanto, técnicas between S and N. It represents the news creation process, size of the cluster baseadas eme análise 2 thedeset links of podem undirected produzir edges benefícios with both limitados. endpoints in N importance. Esta explicação and it represents complementa thee results reforça as of restrições the clustering existentes process nas which técnicas discutidas tween Newsinicialmente Artin di erent impor- allows to connect similar pieces of news. The edges in E 2 neste capítulo. No entanto, DEL CORSO (2005) propõe um novo modelo can be annotated with weights which represent the similaritya relação betweenentre twoaspieces notícias ofe news. suas fontes, Theapresentado nodes in S na cover figura 2.1 e, a partir ording to the para imoduce. So that, daí, desenvolve a capturar those seu in algoritmo N, i.e., 8n de classificação. 2 N,9 s 2 S such that (s, n) 2 E 1. gton Post can be ticle coming from on Post is known importance of a. We are dealing a fresh news story t than an old one. require that the FIG. 2.1: Grafo de Classificação de Notícias anking algorithm Figure 3: News Ranking Graph. e time the comount of news arti- To satisfy the property (P2), we define a similarity mea- Dado um fluxo de notícias, um conjunto de fontes de notícias e uma janela de tempo, o ce the observation processo de criação sure among e relacionamento the news articles, entre aswhich notíciasdepends e suas fontes the é representado clustering figura algorithm 2.1. O grafo chosen temand como accounts objetivofor atribuir the similarity pesos entre among as notícias e por meio do grafo da suas fontes, na medida em que agrupa notícias relacionadas. Então, o algoritmo de classificação de notícias é desenvolvido sobre o grafo de modo a atender as cinco propriedades a seguir, definidas 99por DEL CORSO (2005) como existentes entre as notícias e suas fontes: 1) Os algoritmos devem atribuir classificações separadas para as notícias e suas fontes. 2) O número de notícias relacionadas é uma medida de importância de uma notícia. 3) A relevância da fonte de uma notícia é uma medida de sua importância. 20

22 4) A importância de uma notícia muda com o tempo. 5) A complexidade de tempo e espaço do algoritmo deve permitir o processamento online. O algoritmo de classificação de notícias de DEL CORSO (2005) é desenvolvido com técnicas tradicionais de recuperação da informação e tem uma complexidade linear, o que permite ter um processamento online. SHAHAF (2011) trata do encadeamento de notícias entre duas notícias fornecidas. Estas notícias são autorrelacionadas e dispostas segundo uma bom encadeamento, com ligações coerentes entre os artigos. Este trabalho também formaliza as características de uma boa cadeia e fornece um algoritmo eficiente para ligar as duas notícias. O mesmo autor, em SHAHAF (2012), apresenta este trabalho em uma forma mais natural: dada uma consulta ou uma notícia feita pelo usuário, listar as cadeias de notícias que contam uma história partindo da consulta do usuário. A figura 2.2 ilustra o grafo de influências utilizado para determinar as influências existentes entre as palavras mais relevantes e as notícias. 24:10 D. Shahaf and C. Guestrin Fig. 7. A bipartite graph used to calculate influence. FIG. 2.2: Grafo de influência (SHAHAF, 2012). Edge weights represent the strength of the connection between a document and a word. Copernic 2,thetoolweusedforwordextraction,assignsimportancetoeach word; we found that these weights worked well as document-to-word edge weights. Unfortunately, the Copernic algorithm is proprietary, so its precise details were not given. Alternatively, one can use TF-IDF weights. Note that unlike Copernic, TF-IDF requires us to carefully choose the corpus. Since we later interpret weights as random walk probabilities, we normalize the weights over all words in the document. For example, the rightmost article is mostly (.7) about Al Gore, and somewhat about Judge (.2), and Clinton (.1). The word-todocument weights are computed using the same numbers, but normalized over the documents. The word Gore can only be reached by a single document, so the edge weight is.7 =1. Wenowusethisweightedgraphtodefineinfluencebetweendocuments..7 As mentioned before, Influence(d i, d j w) shouldbehighifthetwodocumentsare strongly connected, and w plays an important role in this connection. Intuitively, if the two documents are connected, a short random walk starting from d i should reach d j frequently. We first compute the stationary distribution for random walks starting from d i. We control the expected length with a random restart probability, ϵ. The stationary distribution is the fraction ofthetimethewalkerspendsoneachnode. O trabalho de LV (2011) aborda a aplicação em sistemas de recomendação de leitura gerando uma lista de notícias que estão relacionadas a notícia atualmente apresentada para o usuário. Estas notícias também são relacionadas entre si. A listagem dessas notícias, relacionadas a uma notícia, e autorrelacionadas, tem como base o trabalho (2011). i (v) =ϵ (v = d i )+(1 ϵ) (u,v) E i (u)p(v u), where P(v u) istheprobabilityofreachingv from u. Intuitively, if d i and v are very related, i (v)ishigh,asmanywalksreachv. Wenow need to factor in the effect of word w on these walks. In particular, we are interested in knowing how many of the walks went through word w before reaching v. Todothis,we turn w into a sink node: let P w (v u) bethesameprobabilitydistributionasp(v u), except there is no way out of node w. 0 if u = w and v w P w (v u) = 1 if u = v = w. SHAHAF O trabalho de RODRIGUES (2010, 2011) foi a primeira fonte de inspiração para o desenvolvimento desta pesquisa. As notícias são encadeadas sob os critérios causal e temporal. Elas são representadas em um grafo ponderado cujos pesos indicam o nível de relação causal entre duas notícias. O valor do relacionamento causal é alterado conforme 21

23 a interação do usuário com o sistema; ao ler uma notícia o usuário é levado a clicar em um botão, chamado Why, para indicar se a notícia atualmente exibida tem relação causal com a notícia anterior. Esta abordagem tem como base a teoria da sabedoria das multidões que diz, em simples termos, que o conhecimento das multidões converge para um valor correto 5.3 News quando Connetor questionado sobre o valor, ou a medida, de algo; neste caso, a pergunta implícita adicionada ao botão Why foi: -Há relação de causa com a notícia O News Connector é o módulo responsável por relacionar a maior parte das anterior? O conhecimento da maioria levará a uma ponderação correta sobre o grafo da notícias armazenadas no banco de dados, resultando na criação/atualização do grafo figura 2.3, onde Why. Nesse os nós grafo, representam as notícias correspondem notícias, os aos textos nós e os com relacionamentos as datas representam às arestas. A as datas força dos relacionamentos entre as notícias é determinada pelos pesos (similaridade) de publicação das notícias e os valores postos nos arcos a força de relacionamento causal atribuídos as suas arestas. entre as notícias (que varia de 0 a 1). A Figura 23 ilustra um grafo Why com 5 notícias. Figura 23 Grafo Why FIG. 2.3: Grafo de causalidade (RODRIGUES, 2011). De acordo com a Figura 23, podemos dizer que existe relacionamento de peso 0,047 (similaridade) entre a notícia 3 (publicada em 08/04/2009) e a notícia 4 (publicada O trabalho de CAVALCANTE (2013) apresenta uma forma de encadeamento de notí- em 29/05/2009). Todas as informações apresentadas nessa figura são armazenadas no cias baseada banco na ideia dados RODRIGUES e servem como base (2010, para percorrer 2011). Ao grafo primeira Why, ou vantagem seja, são utilizadas do trabalho está para determinar a próxima notícia que será mostrada ao usuário. na construção de um mecanismo totalmente independente da colaboração do usuário para O News Connector é acionado sempre que o módulo Full-Text Indexer termina de criar/atualizar o índice com as novas notícias obtidas através do RSS Torrent. Seu a geração do encadeamento. O mecanismo passa a encadear notícias de acordo com o conceito de implicação textual apresentado inicialmente por DAGAN (2006), em seu desafio funcionamento consiste em relacionar diversos conjuntos de notícias. A Figura 24 de reconhecimento de implicação textual. ilustra esses conjuntos. A figura 2.4 mostra a arquitetura proposta por CAVALCANTE (2013) para a geração de um encadeamento de notícias

24 Omecanismodeencadeamentodenotíciasécapazdeordenarasnotíciasdeacordocomumcritério de implicação textual. Para isso, o mecanismo utiliza um sistema de reconhecimento de implicação textual e um sistema de identificação de similaridade textual. A figura 1 ilustra o mecanismo proposto. notícias Similaridade TF-IDF Pré-processamento Método de encadeamento notícia inicial Implicação textual RTE FIG. 2.4: Arquitetura de encadeamento de notícias (CAVALCANTE, 2013). Fig. 1. Mecanismo de Encadeamento de Notícias. Omecanismoéformadopordoismódulosprincipais: A arquitetura da figura 2.4 é dividida em quatro (i) componentes: módulodesimilaridade,responsávelpor Pré-processamento, gerar umsimilaridade, índice de similaridade; Método dee Encadeamento (ii)módulodeimplicaçãotextual,responsávelportreinaramáquina e Implicação textual. de reconhecimento de implicação textual e gerar um índice de implicação textual (ver figura 2). Pré-processamento: o componente de pré-processamento é responsável pela aplicação de filtros de análise léxico-sintática Omódulodepré-processamento éresponsávelpelalimpezatextualdasnotíciasdosistema. sobre as notícias para a remoção de palavras Algumas funções deste módulo são: remoção de stopwords e pontuações, conversão de caracteres para UTF-8 etransformaçãoparacaracteresminúsculos,eobtençãodelemadaspalavras. irrelevantes (stopwords) e pontuações; extração radicais da palavra; transformação de caracteres maiúsculos em minúsculos; e conversão de textos para o formato UTF-8. Oencadeamentotextualégeradoporumalgoritmodeestratégiagulosa,localizadonomódulo método de encadeamento. Similaridade: oeste componente algoritmodebusca similaridade no módulo gera odeíndice implicação de similaridade textual uma baseado notícia que impliqueno semanticamente método TF-IDF. na notícia inicial, escolhidapelousuário,eaadicionaàlistaencadeadade notícias. O primeiro elemento da lista encadeada é a própria notícia inicial. Implicação Textual: o componente de implicação textual tem duas funções, a Caso exista mais de uma notícia implicante, o algoritmo compara o valor de similaridade entre primeira é treinar a máquina de reconhecimento de implicação textual; e a segunda, é as notícias implicantes - esses valores são encontrados no módulo de similaridade -eescolheaquela notícia com geraro omenor índicevalor de implicação de similaridade, textual. adicionando-a à lista encadeada. Este processo se repete para a escolha Método da próxima de encadeamento: notícia implicante: o método a notícia de inicial encadeamento passa a ser é responsável a notícia implicante por gerar até que não haja notícia implicante à notícia anterior. o encadeamento de notícias com base na busca nos índices de implicação textual e de similaridade. V ou F Extrator de características Jaccard overlap E textos T-H hipóteses H-T Algoritmo de aprendizagem Entropia Máxima Modelo RTE V ou F Fig. 2. Módulo de Implicação Textual. 23

25 A seguir, na tabela 2.1, é apresentada uma comparação entre algumas características dos trabalhos relacionados mencionados acima. Trabalho Complexidade Específico Online Independente DEL CORSO (2005) O(n) - LV (2011) O(n k ) - SHAHAF (2011, 2012) O(n k ) - RODRIGUES (2010, 2011) O(k n) - CAVALCANTE (2013) O(n 2 ) - NewsChain O(k n) TAB. 2.1: Comparação de características dos trabalhos relacionados Na tabela, a coluna Específico está relacionada a ideia do trabalho ser voltado especialmente para o encadeamento de notícias. A coluna Online verifica se o trabalho suporta o processamento online dos encadeamentos. A coluna Independente é para saber se o trabalho requer a participação do usuário para compor o encadeamento. Além disso, a letra k, da ordem de complexidade dos trabalhos, significa a quantidade de notícias para o encadeamento e a letra n é a quantidade de notícias da base de notícias. O mecanismo proposto neste trabalho, chamado NewsChain, também é mostrado na tabela 2.1 para fins de comparação. Sua complexidade de tempo de busca e encadeamento é linear, enquanto que a complexidade de tempo de indexação é quadrática, mas não foi considerada para a comparação por acontecer em background. A complexidade deste mecanismo é discutida na Seção 3.3. O NewsChain é um mecanismo específico para o encadeamento de notícias e foi desenvolvido para ser online. Essas características não são abordadas completamente pelos outros trabalhos. 24

26 2.2 FUNDAMENTOS Este seção explica os fundamentos necessários para a construção do encadeamento de notícias RECONHECIMENTO DE IMPLICAÇÃO TEXTUAL (RTE) Esta seção apresenta o conceito de implicação textual 1, fundamental para o entendimento da tarefa de Reconhecimento de Implicação Textual (RTE) 2. Em seguida, discute uma técnica de RTE que usa máquina de aprendizagem para o reconhecimento de implicação textual IMPLICAÇÃO TEXTUAL A implicação textual é definida em DAGAN (2006) como um relacionamento direcional em que o significado de um texto, o texto de hipótese (H), pode ser inferido de outro texto, o texto implicante (T ). A noção de implicação textual para a tarefa de reconhecimento está relacionada à implicação textual de semântica formal, existente na literatura de linguística, que especifica que um texto T implica em outro texto H, se H é tido como verdade em todas as circunstâncias nas quais T é verdade. Contudo, o RTE permite casos em que a verdade da hipótese seja mais provável do que certa, para a maioria dos propósitos (DAGAN, 2006). Por exemplo, ANDROUTSOPOULOS (2010) explica que, segundo o conceito de implicação textual, o texto (1) implica em (2) porque uma pessoa ao ler o texto (1) provavelmente concluiria que (2) é verdade. Da mesma forma, após uma pessoa ler os textos (3) e (4), discordaria que o texto (3) implica em (4). (1) Remédios para o mal de Alzheimer surtem melhor efeito quando tomados mais cedo. (2) O mal de Alzheimer pode ser reduzido tomando-se remédios. (3) É importante enfatizar que este não é um caso de dengue confirmado. (4) Um caso de dengue foi confirmado. Com esses exemplos, é possível diferenciar a implicação textual da implicação lógica, proveniente da lógica formal de predicados. A implicação textual da linguagem natural 1 Do inglês, Textual Entailment 2 Do inglês, Recognizing Textual Entailment 25

27 releva a boa formação lógica da estrutura textual, visto que o requisito de implicação é mais voltado para o significado dos textos. A implicação textual está sujeita à variabilidade semântica, assim como a lógica formal, onde o mesmo significado pode ser expresso ou inferido de diferentes textos. ANDROUTSOPOULOS (2010) chega a relacionar superficialmente ambos os tipos de implicação apenas para usar a nomenclatura e os símbolos da lógica tradicional MODELOS DE APRENDIZAGEM DE RTE Modelos de aprendizagem de máquina têm mostrado um bom nível de acurácia para a maioria das tarefas de processamento de linguagem natural. Como por exemplo, para marcação de partes do discurso, tradução textual, reconhecimento de entidades nomeadas e reconhecimento de implicação textual (ZANZOTTO, 2009). O mecanismo proposto usa uma máquina de aprendizagem por redes bayesianas. A figura 2.5 mostra a arquitetura da máquina para a classificação de pares de textos em relação a implicação textual. V ou F Extrator de características Jaccard overlap E textos T-H hipóteses H-T Algoritmo de aprendizagem Naive Bayes Modelo RTE V ou F FIG. 2.5: Classificador RTE Este componente é usado no componente Função de Ranking da arquitetura de busca e encadeamento de notícias, figura 3.2, sendo um dos critérios para a geração de um encadeamento causal e temporal. 26

28 2.2.2 FUNÇÕES DE RANKING Dada uma consulta, uma função de ranking atribui um grau de similaridade para cada documento de uma coleção, de modo que o mecanismo de busca recupere os documentos mais relevantes primeiro. A função de ranking do mecanismo atribui um grau de implicação textual entre os documentos t e h. O BM25F faz parte da função de ranking do mecanismo e, junto com o TF-IDF, foi comparado com o mecanismo TF-IDF Dado um documento d e uma coleção de documentos N, o valor TF-IDF de um termo t no documento d é a combinação da frequência de t em d, com a frequência inversa de t em N, de acordo com a equação 2.1 (MANNING, 2008). tf-idf t,d = tf t,d log N fd t (2.1) Onde tf t,d é a frequência de ocorrências do termo t no documento d e fd t é a frequência de documentos que contém o termo t na coleção N. A relevância de uma consulta q para o documento d é definida na equação 2.2 (ZHANG, 2011; HIEMSTRA, 2000). T F -IDF (q, d) = t q tf-idf t,d (2.2) BM25F O BM25F é uma função de ranking utilizada para avaliar, com pesos diferentes, cada campo de um documento estruturado (BAEZA-YATES, 2013; PÉREZ-AGÜERA, 2010). Por exemplo, para notícias web, os campos título, descrição, texto e data de publicação seriam ponderados individualmente de acordo com a função 2.3. BM25F (q, d) = t q d tf t,d k + tf t,d idf t (2.3) Onde tf t,d é a frequência do termo t para cada campo do documento d e k é uma constante que permite controlar o crescimento não linear da função de frequência de termos. O idf é a frequência inversa do termo t na coleção de documentos. 27

29 3 MECANISMO DE ENCADEAMENTO DE NOTÍCIAS Uma das principais áreas de aplicação do encadeamento de notícias é a recomendação de notícias web. A maioria dos web sites de notícias recomendam notícias no intuito de atender a uma provável necessidade do usuário de complementar a leitura da notícia e, assim, proporcionar uma boa experiência de navegação por entre as notícias do site. Não é possível esquecer que essa experiência também pode aumentar o tempo de permanência do usuário no site. E, assim, contribuir para o aumento na demanda por publicidade no site, uma fonte de receita considerável entre os sites de notícias. Ao mesmo tempo, se essa experiência for negativa, ela pode diminuir o tempo de permanência do usuário no site ou, até mesmo, perder o usuário para uma outra fonte de notícias. Portanto, a recomendação de notícias é um problema crítico entre os sites de notícias. E que precisa de soluções eficazes, principalmente, em atender a necessidade de informação do usuário. Baseando-se na observação de que, se um usuário está interessado em ler mais sobre uma notícia é porque ele deseja complementar o conteúdo daquela notícia, este trabalho usa o conceito de encadeamento de notícias com o objetivo de proporcionar um encadeamento causal e temporal de notícias relacionadas afim de proporcionar ao usuário um entendimento melhor sobre a história de uma notícia. Para isto, usa o a noção de implicação textual para promover o encadeamento entre as notícias, juntamente com algumas técnicas de indexação, busca e recuperação de notícias. A seção a seguir apresenta a definição de encadeamento de implicação textual, a função de ranking de encadeamento e o algoritmo de encadeamento de notícias utilizado pelo mecanismo de recomendação de notícias proposto neste trabalho. 28

30 3.1 ENCADEAMENTO DE IMPLICAÇÃO TEXTUAL O encadeamento de implicação textual é baseado na busca e recuperação de notícias que, em sequência, implicam textualmente uma na outra. Por exemplo, dada uma notícia inicial, o encadeamento recupera, se existir, a notícia que implica na notícia inicial. A partir daí, repete este processo para encontrar a próxima notícia que implique na segunda, até que não existam mais notícias implicantes com a notícia anterior. A ideia é através da implicação textual relacionar as notícias por meio de um critério causal e temporal, como na implicação lógica, porém sem o rigor formal. Até porque seria bastante custoso senão impossível construir um mecanismo de verificação de implicação lógica textual. Principalmente, pela variabilidade semântica existente nos textos, onde um texto pode ter vários significados e um significado pode ser representado por vários textos. Como mencionado anteriormente, através da implicação textual, o encadeamento também é relacionado por um critério temporal. Isso ocorre, porque a ocorrência de uma notícia que implique em uma notícia inicial deve acontecer antes da notícia inicial. No entanto, o encadeamento usa o tempo de publicação de uma notícia como indicador de relação temporal. Porém, somente isso não é suficiente, como será demonstrado nos resultados. Assim, o primeiro passo para o encadeamento de notícias é a construção da função de ranking. Esta função será apresentada a seguir FUNÇÃO DE RANQUEAMENTO A função de raking do encadeamento de notícias leva em consideração os critérios de (i) implicação textual, (ii) a ordem de tempo entre duas notícias, (iii) a relevância entre as notícias, e (iv) a observação de citações entre as notícias. O algoritmo a seguir, representa a função de ranking. Algoritmo 1 Função de Ranking função Escore(n t, n h ) return a IMP (n t, n h ) + b T EMP (n t, n h ) + c REL(n t, n h ) + d REF (n t, n h ) fim função 29

31 O algoritmo recebe duas notícias, a notícia texto (n t ) e a notícia hipótese (n h ). n t é a notícia implicante e n h é a hipótese ou notícia implicada. A função IMP (n t, n h ), que representa o item (i), é responsável por identificar se uma notícia implica em outra. Se sim, retorna o valor 1. Se não, retorna o valor 0. A relação de implicação é observada apenas entre os títulos das notícias. A função T EMP (n t, n h ), relacionada ao item (ii), retorna a distância temporal normalizada entre as notícias, que é positiva se a notícia inicial ocorrer depois da notícia implicante. E negativa, caso contrário. O item(iii) é representado pela função REL(n t, n h ) que calcula a relevância que a notícia implicante tem para a notícia inicial. A relevância é observada entre o conteúdo das notícias. E a função REF (n t, n h ), item (iv), verifica se a notícia inicial cita a notícia implicante. Se isso ocorrer, retorna 1, senão retorna 0. Além disso, essas funções têm um peso atribuído aos coeficientes a, b, c e d cujos respectivos valores empíricos foram a = 0.4, b = 0.1, c = 0.3 e d = 0.2. Portanto, para o ranking, a implicação textual entre duas notícias n t e n h é relevante o suficiente para encadear n h através de n t. A seção a seguir descreve o processo de encadeamento com mais detalhes ALGORITMO DE ENCADEAMENTO A função de encadeamento tem como objetivo montar o encadeamento de notícias a partir da notícia inicial. Em relação a noção de implicação textual, a notícia inicial é a notícia hipótese. Logo, o encadeamento vai em busca de uma notícia que implique na notícia hipótese. O algoritmo 2 descreve o procedimento de encadeamento de notícias. Baseando-se no conceito de implicação textual, explicado na seção , o algoritmo 2 monta uma lista de notícias relacionadas por implicação textual a partir da notícia inicial, considerada a primeira notícia lida pelo usuário. A função implica(hipótese) na linha 6 é a função de busca e recuperação da melhor notícia que implica na notícia inicial fornecida. A melhor notícia é aquela cujo rank teve o maior valor dentre todas as notícias relacionadas recuperadas. 30

32 Algoritmo 2 Algoritmo de Encadeamento 1: função encadeamento(hipótese) 2: i 0 ; t N 3: faça 4: encadeamento hipótese 5: i i + 1 6: texto implica(hipótese) 7: hipótese texto 8: enquanto i < t ou hipótese / encadeamento 9: retorne encadeamento 10: fim função Primeiramente, a notícia inicial é passada como parâmetro para a função de encadeamento. Então, a notícia inicial passa a ser a notícia-hipótese. A variável i armazena a quantidade de notícias presentes na lista encadeamento. A variável t indica que a capacidade máxima do encadeamento é de 10 notícias, incluindo a notícia inicial. O valor do tamanho máximo de encadeamento é empírico e foi escolhido com a observação de que raramente o usuário lerá mais de 10 notícias relacionadas, com exceção daqueles interessados em fazer uma busca aprofundada sobre o assunto da notícia. 3.2 MECANISMO DE RECOMENDAÇÃO O mecanismo de encadeamento de notícias apresenta as vantagens de amenizar o esforço na formulação de consultas por parte do usuário e de ser transparente para o usuário. Com o mecanismo, o usuário que estiver interessado em ler mais sobre a notícia inicial não precisará se preocupar em formular novas consultas, uma vez que o mecanismo ficará responsável por esta tarefa. O usuário também não precisará entender como o mecanismo funciona para poder usá-lo. As notícias serão listadas seguindo o encadeamento e o usuário terá o critério de leitura sequencial ou aleatória. O anexo A permite ter uma noção visual do encadeamento. 31

33 3.2.1 ARQUITETURA DE INDEXAÇÃO A arquitetura de indexação descreve como os componentes de busca, recuperação e armazenamento de notícias são organizados e como se comunicam entre si para a geração do índice de busca que é usado para o encadeamento de notícias. O processo de indexação de notícias é dividido em duas etapas: 1) a coleta de notícias, onde o mecanismo busca, recupera e armazena notícias, provenientes da Internet, em uma base de dados; e 2) a indexação de notícias, onde o mecanismo gera o índice de busca das notícias existentes na base de dados de notícias. As duas etapas são completamente independentes entre si. A única exceção ocorre na configuração inicial do mecanismo, onde as duas etapas são consecutivas para que existam notícias na base de dados e, assim, o índice de busca seja gerado. A figura 3.1 ilustra a arquitetura de indexação e enumera o processo de indexação de notícias. Etapa 1 Etapa 2 Internet Analisador 1 Coletor Esquema Indexador 2 4 Artigos 3 Docs FIG. 3.1: Arquitetura de Indexação de Notícias. A figura 3.1 é formada pelos componentes Coletor, Indexador e Analisador. O Esquema descreve como a notícia deve ser estruturada para ser armazenada ou recuperada das bases de dados. A base de dados Artigos armazena as notícias de acordo com o Esquema. A base de dados Docs é o índice de busca de notícias que também é estruturado de acordo com o Esquema. 32

Luiz Fernando Fernandes de Albuquerque. Avaliação de algoritmos online para seleção de links patrocinados. Dissertação de Mestrado

Luiz Fernando Fernandes de Albuquerque. Avaliação de algoritmos online para seleção de links patrocinados. Dissertação de Mestrado Luiz Fernando Fernandes de Albuquerque Avaliação de algoritmos online para seleção de links patrocinados Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de

Leia mais

A Estrutura da Web. Redes Sociais e Econômicas. Prof. André Vignatti

A Estrutura da Web. Redes Sociais e Econômicas. Prof. André Vignatti A Estrutura da Web Redes Sociais e Econômicas Prof. André Vignatti A Estrutura da Web Até agora: redes onde unidades eram pessoas ou entidades sociais, como empresas e organizações Agora (Cap 13, 14 e

Leia mais

Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação

Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação Diogo Silveira Mendonça Análise Probabilística de Semântica Latente aplicada a sistemas de recomendação Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de

Leia mais

Uma arquitetura baseada em agentes de software para a automação de processos de gerênciadefalhasemredesde telecomunicações

Uma arquitetura baseada em agentes de software para a automação de processos de gerênciadefalhasemredesde telecomunicações Adolfo Guilherme Silva Correia Uma arquitetura baseada em agentes de software para a automação de processos de gerênciadefalhasemredesde telecomunicações Dissertação de Mestrado Dissertação apresentada

Leia mais

FERRAMENTAS DE COLABORAÇÃO CORPORATIVA

FERRAMENTAS DE COLABORAÇÃO CORPORATIVA FERRAMENTAS DE COLABORAÇÃO CORPORATIVA Manual de Utilização Google Grupos Sumário (Clique sobre a opção desejada para ir direto à página correspondente) Utilização do Google Grupos Introdução... 3 Página

Leia mais

Tutorial 5 Questionários

Tutorial 5 Questionários Tutorial 5 Questionários A atividade Questionário no Moodle pode ter várias aplicações, tais como: atividades de autoavaliação, lista de exercícios para verificação de aprendizagem, teste rápido ou ainda

Leia mais

Sistema de Acompanhamento ao Desempenho do Aluno

Sistema de Acompanhamento ao Desempenho do Aluno Sistema de Acompanhamento ao Desempenho do Aluno Manoel Cardoso da Silveira Neto 1, Luciana Vescia Lourega 1 1 Instituto Federal Farroupilha Campus Júlio de Castilhos RS - Brasil Caixa Postal 38 98.130-000

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Aula anterior Organização e Recuperação de Informação(GSI521) Modelo vetorial- Definição Para o modelo vetorial, o

Leia mais

Hardware (Nível 0) Organização. Interface de Máquina (IM) Interface Interna de Microprogramação (IIMP)

Hardware (Nível 0) Organização. Interface de Máquina (IM) Interface Interna de Microprogramação (IIMP) Hardware (Nível 0) Organização O AS/400 isola os usuários das características do hardware através de uma arquitetura de camadas. Vários modelos da família AS/400 de computadores de médio porte estão disponíveis,

Leia mais

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperaçãode Informação GSI521. Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperaçãode Informação GSI521 Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Análisede links Page Rank Prof. Dr. Rodrigo Sanches Miani FACOM/UFU Motivação Suponha que um modelo clássico, como

Leia mais

MANUAL DE UTILIZAÇÃO DO MOODLE 2.6

MANUAL DE UTILIZAÇÃO DO MOODLE 2.6 NÚCLEO DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO NTIC MANUAL DE UTILIZAÇÃO DO MOODLE 2.6 PERFIL ALUNO Versão 1.0 2014 NÚCLEO DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO NTIC MANUAL DE UTILIZAÇÃO DO MOODLE

Leia mais

A barra de menu a direita possibilita efetuar login/logout do sistema e também voltar para a página principal.

A barra de menu a direita possibilita efetuar login/logout do sistema e também voltar para a página principal. MANUAL DO SISCOOP Sumário 1 Menu de Navegação... 3 2 Gerenciar País... 5 3- Gerenciamento de Registro... 8 3.1 Adicionar um registro... 8 3.2 Editar um registro... 10 3.3 Excluir um registro... 11 3.4

Leia mais

Organizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU

Organizaçãoe Recuperação de Informação GSI521. Prof. Rodrigo Sanches Miani FACOM/UFU Organizaçãoe Recuperação de Informação GSI521 Prof. Rodrigo Sanches Miani FACOM/UFU Introdução Organização e Recuperação de Informação(GSI521) Tópicos Recuperação de informação (RI); Breve histórico; O

Leia mais

Silvano Nogueira Buback. Utilizando aprendizado de máquina para construção de uma ferramenta de apoio a moderação de comentários

Silvano Nogueira Buback. Utilizando aprendizado de máquina para construção de uma ferramenta de apoio a moderação de comentários Silvano Nogueira Buback Utilizando aprendizado de máquina para construção de uma ferramenta de apoio a moderação de comentários Dissertação de mestrado Dissertação apresentada como requisito parcial para

Leia mais

2 Conceitos Gerais de Classificação de Documentos na Web

2 Conceitos Gerais de Classificação de Documentos na Web Conceitos Gerais de Classificação de Documentos na Web 13 2 Conceitos Gerais de Classificação de Documentos na Web 2.1. Páginas, Sites e Outras Terminologias É importante distinguir uma página de um site.

Leia mais

Novell Vibe 3.4. Novell. 1º de julho de 2013. Inicialização Rápida. Iniciando o Novell Vibe. Conhecendo a interface do Novell Vibe e seus recursos

Novell Vibe 3.4. Novell. 1º de julho de 2013. Inicialização Rápida. Iniciando o Novell Vibe. Conhecendo a interface do Novell Vibe e seus recursos Novell Vibe 3.4 1º de julho de 2013 Novell Inicialização Rápida Quando você começa a usar o Novell Vibe, a primeira coisa a se fazer é configurar sua área de trabalho pessoal e criar uma área de trabalho

Leia mais

MANUAL DO ALUNO EAD 1

MANUAL DO ALUNO EAD 1 MANUAL DO ALUNO EAD 1 2 1. CADASTRAMENTO NO AMBIENTE VIRTUAL DE APRENDIZAGEM Após navegar até o PORTAL DA SOLDASOFT (www.soldasoft.com.br), vá até o AMBIENTE DE APRENDIZAGEM (www.soldasoft.com.br/cursos).

Leia mais

Sumário INTRODUÇÃO... 3. 1. Acesso ao Ambiente do Aluno... 4. 2. Ferramentas e Configurações... 5. 2.1 Ver Perfil... 5. 2.2 Modificar Perfil...

Sumário INTRODUÇÃO... 3. 1. Acesso ao Ambiente do Aluno... 4. 2. Ferramentas e Configurações... 5. 2.1 Ver Perfil... 5. 2.2 Modificar Perfil... Sumário INTRODUÇÃO... 3 1. Acesso ao Ambiente do Aluno... 4 2. Ferramentas e Configurações... 5 2.1 Ver Perfil... 5 2.2 Modificar Perfil... 6 2.3 Alterar Senha... 11 2.4 Mensagens... 11 2.4.1 Mandando

Leia mais

Introdução a listas - Windows SharePoint Services - Microsoft Office Online

Introdução a listas - Windows SharePoint Services - Microsoft Office Online Page 1 of 5 Windows SharePoint Services Introdução a listas Ocultar tudo Uma lista é um conjunto de informações que você compartilha com membros da equipe. Por exemplo, você pode criar uma folha de inscrição

Leia mais

Classes Funcionais 21

Classes Funcionais 21 Classes Funcionais 21 3 Classes Funcionais Em todo trabalho de classificação funcional é necessário determinar quais serão as classes funcionais utilizadas. Esta divisão não se propõe a ser extensiva,

Leia mais

Gerenciador de Referências. EndNote. Nonato Ribeiro Biblioteca de Ciências e Tecnologia (UFC)

Gerenciador de Referências. EndNote. Nonato Ribeiro Biblioteca de Ciências e Tecnologia (UFC) Gerenciador de Referências EndNote Nonato Ribeiro Biblioteca de Ciências e Tecnologia (UFC) Pesquisa na Web of Science O que é o EndNote? Funcionalidades da ferramenta Como incluir citações no Word usando

Leia mais

Introdução ao EBSCOhost 2.0

Introdução ao EBSCOhost 2.0 Introdução ao EBSCOhost 2.0 Tutorial support.ebsco.com O que é? O EBSCO Host é um poderoso sistema de referência on-line acessível através da Internet, e oferece uma variedade de bases de dados de texto

Leia mais

Novell Vibe 4.0. Março de 2015. Inicialização Rápida. Iniciando o Novell Vibe. Conhecendo a interface do Novell Vibe e seus recursos

Novell Vibe 4.0. Março de 2015. Inicialização Rápida. Iniciando o Novell Vibe. Conhecendo a interface do Novell Vibe e seus recursos Novell Vibe 4.0 Março de 2015 Inicialização Rápida Quando você começa a usar o Novell Vibe, a primeira coisa a se fazer é configurar sua área de trabalho pessoal e criar uma área de trabalho de equipe.

Leia mais

Ajuda ao SciEn-Produção 1. 1. O Artigo Científico da Pesquisa Experimental

Ajuda ao SciEn-Produção 1. 1. O Artigo Científico da Pesquisa Experimental Ajuda ao SciEn-Produção 1 Este texto de ajuda contém três partes: a parte 1 indica em linhas gerais o que deve ser esclarecido em cada uma das seções da estrutura de um artigo cientifico relatando uma

Leia mais

Novell Teaming 2.0. Novell. 29 de julho de 2009. Início Rápido. Iniciando o Novell Teaming. Conhecendo a interface do Novell Teaming e seus recursos

Novell Teaming 2.0. Novell. 29 de julho de 2009. Início Rápido. Iniciando o Novell Teaming. Conhecendo a interface do Novell Teaming e seus recursos Novell Teaming 2.0 29 de julho de 2009 Novell Início Rápido Quando você começa a usar o Novell Teaming, a primeira coisa a se fazer é configurar sua área de trabalho pessoal e criar uma área de trabalho

Leia mais

Derwent Innovations Index

Derwent Innovations Index Derwent Innovations Index DERWENT INNOVATIONS INDEX Cartão de referência rápida ISI Web of Knowledge SM O Derwent Innovations Index é uma ferramenta poderosa de pesquisa de patentes, que combina Derwent

Leia mais

RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS

RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS ISBN 978-85-61091-05-7 Encontro Internacional de Produção Científica Cesumar 27 a 30 de outubro de 2009 RECUPERAÇÃO DE DOCUMENTOS TEXTO USANDO MODELOS PROBABILISTICOS ESTENDIDOS Marcello Erick Bonfim 1

Leia mais

O PROJETO DE PESQUISA. Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza

O PROJETO DE PESQUISA. Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza O PROJETO DE PESQUISA Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza ROTEIRO Escolher um tema de pesquisa Por onde começar? Ler para aprender Estrutura do Projeto de Pesquisa A Definição

Leia mais

Data, Text and Web Mining

Data, Text and Web Mining Data, Text and Web Mining Fabrício J. Barth TerraForum Consultores Junho de 2010 Objetivo Apresentar a importância do tema, os conceitos relacionados e alguns exemplos de aplicações. Data, Text and Web

Leia mais

INTRODUÇÃO AO AMBIENTE MOODLE DA UFPA. Guia rápido

INTRODUÇÃO AO AMBIENTE MOODLE DA UFPA. Guia rápido INTRODUÇÃO AO AMBIENTE MOODLE DA UFPA Guia rápido A PLATAFORMA MOODLE Moodle (Modular Object Oriented Distance LEarning) é um Sistema para Gerenciamento de Cursos (SGC). Trata-se de um programa para computador

Leia mais

CONHECENDO O AMBIENTE VIRTUAL DE APRENDIZAGEM Moodle - Learning Management System Versão 1.3

CONHECENDO O AMBIENTE VIRTUAL DE APRENDIZAGEM Moodle - Learning Management System Versão 1.3 CONHECENDO O AMBIENTE VIRTUAL DE APRENDIZAGEM Moodle - Learning Management System Versão 1.3 Este tutorial não tem como finalidade esgotar todas as funcionalidades do Ambiente, ele aborda de forma prática

Leia mais

MANUAL DA PLATAFORMA RESUMO DAS PRINCIPAIS FUNÇÕES DA PLATAFORMA MOODLE, UTILIZADA NO WEBCURSO DA EETAD 1ª edição

MANUAL DA PLATAFORMA RESUMO DAS PRINCIPAIS FUNÇÕES DA PLATAFORMA MOODLE, UTILIZADA NO WEBCURSO DA EETAD 1ª edição MANUAL DA PLATAFORMA RESUMO DAS PRINCIPAIS FUNÇÕES DA PLATAFORMA MOODLE, UTILIZADA NO WEBCURSO DA EETAD 1ª edição Escola de Educação Teológica das Assembléias de Deus Campinas SP Brasil MANUAL DA PLATAFORMA

Leia mais

Adapti - Technology Solutions www.adapti.net Leonor cardoso nº 331 Fone : (041) 8844-7805 81240-380 Curitiba - PR MANUAL DO USUÁRIO

Adapti - Technology Solutions www.adapti.net Leonor cardoso nº 331 Fone : (041) 8844-7805 81240-380 Curitiba - PR MANUAL DO USUÁRIO MANUAL DO USUÁRIO 1 Índice Administração de Documentos...2 Lista de documentos criados...3 Criando um novo documento...3 Barra de ferramentas do editor...4 Editando um documento...7 Administrando suas

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ. CURSO: Ciência da Computação DATA: / / 2013 PERÍODO: 4 o.

UNIVERSIDADE FEDERAL DO PARANÁ. CURSO: Ciência da Computação DATA: / / 2013 PERÍODO: 4 o. CURSO: Ciência da Computação DATA: / / 2013 PERÍODO: 4 o. PROFESSOR: Andrey DISCIPLINA: Técnicas Alternativas de Programação AULA: 08 APRESENTAÇÃO Na aula de hoje vamos apresentar e discutir como definir

Leia mais

Hashing Letícia Rodrigues Bueno

Hashing Letícia Rodrigues Bueno Hashing Letícia Rodrigues Bueno UFABC hash: Hashing (Tabelas de Dispersão): Introdução hash: Hashing (Tabelas de Dispersão): Introdução Hashing (Tabelas de Dispersão): Introdução hash: 1. fazer picadinho

Leia mais

Manual Q-Acadêmico 2.0 Módulo Web - Aluno

Manual Q-Acadêmico 2.0 Módulo Web - Aluno Manual Q-Acadêmico 2.0 Módulo Web - Aluno Índice 1 Acessando o sistema via internet...3 2 Funcionalidades...6 2.1 Horário Individual...7 2.2 Calendário Acadêmico...8 2.3 Biblioteca...9 2.3.1 Consultar

Leia mais

Componentes da linguagem C++

Componentes da linguagem C++ Componentes da linguagem C++ C++ é uma linguagem de programação orientada a objetos (OO) que oferece suporte às características OO, além de permitir você realizar outras tarefas, similarmente a outras

Leia mais

Novell. Novell Teaming 1.0. novdocx (pt-br) 6 April 2007 EXPLORAR O PORTLET BEM-VINDO DESCUBRA SEU CAMINHO USANDO O NOVELL TEAMING NAVIGATOR

Novell. Novell Teaming 1.0. novdocx (pt-br) 6 April 2007 EXPLORAR O PORTLET BEM-VINDO DESCUBRA SEU CAMINHO USANDO O NOVELL TEAMING NAVIGATOR Novell Teaming - Guia de início rápido Novell Teaming 1.0 Julho de 2007 INTRODUÇÃO RÁPIDA www.novell.com Novell Teaming O termo Novell Teaming neste documento se aplica a todas as versões do Novell Teaming,

Leia mais

Pré-texto. Texto. Pós-texto. Estrutura do Trabalho Final de Curso. A estrutura do Trabalho Final de Curso compreende: pré-texto, texto e pós-texto.

Pré-texto. Texto. Pós-texto. Estrutura do Trabalho Final de Curso. A estrutura do Trabalho Final de Curso compreende: pré-texto, texto e pós-texto. Estrutura do Trabalho Final de Curso A estrutura do Trabalho Final de Curso compreende: pré-texto, texto e pós-texto. Pré-texto Capa Folha de Rosto Dedicatória Agradecimentos Epígrafe Resumo Sumário Texto

Leia mais

Otimização de Recuperação de Informação usando Algoritmos Genéticos

Otimização de Recuperação de Informação usando Algoritmos Genéticos Otimização de Recuperação de Informação usando Algoritmos Genéticos Neide de Oliveira Gomes, M. Sc., nog@inpi.gov.br Prof. Marco Aurélio C. Pacheco, PhD Programa de Doutorado na área de Métodos de Apoio

Leia mais

Recuperação. Profa. Lillian Alvares Faculdade de Ciência da Informação Universidade de Brasília

Recuperação. Profa. Lillian Alvares Faculdade de Ciência da Informação Universidade de Brasília Recuperação Profa. Lillian Alvares Faculdade de Ciência da Informação Universidade de Brasília 1 2 Contexto Grande quantidade de informações são produzidas e disponibilizadas diariamente Com a elevada

Leia mais

Google Drive: Acesse e organize seus arquivos

Google Drive: Acesse e organize seus arquivos Google Drive: Acesse e organize seus arquivos Use o Google Drive para armazenar e acessar arquivos, pastas e documentos do Google Docs onde quer que você esteja. Quando você altera um arquivo na web, no

Leia mais

Instruções sobre como elaborar artigo para o Âmbito Jurídico

Instruções sobre como elaborar artigo para o Âmbito Jurídico Instruções sobre como elaborar artigo para o Âmbito Jurídico Nome do autor: principais atividades acadêmicas em no máximo 3 linhas, colocar e-mail. 1. Se estudante de direito colocar apenas: Acadêmico

Leia mais

COORDENAÇÃO DE ENSINO A DISTÂNCIA - EaD

COORDENAÇÃO DE ENSINO A DISTÂNCIA - EaD COORDENAÇÃO DE ENSINO A DISTÂNCIA - EaD TUTORIAL MOODLE VERSÃO ALUNO Machado/MG 2013 SUMÁRIO 1. INTRODUÇÃO... 4 2. EDITANDO O PERFIL... 5 2.1 Como editar o perfil?... 5 2.2 Como mudar a senha?... 5 2.3

Leia mais

Qlik Sense Cloud. Qlik Sense 2.0.2 Copyright 1993-2015 QlikTech International AB. Todos os direitos reservados.

Qlik Sense Cloud. Qlik Sense 2.0.2 Copyright 1993-2015 QlikTech International AB. Todos os direitos reservados. Qlik Sense Cloud Qlik Sense 2.0.2 Copyright 1993-2015 QlikTech International AB. Todos os direitos reservados. Copyright 1993-2015 QlikTech International AB. Todos os direitos reservados. Qlik, QlikTech,

Leia mais

WEB OF KNOWLEDGE NOTAS DA VERSÃO v5.11

WEB OF KNOWLEDGE NOTAS DA VERSÃO v5.11 WEB OF KNOWLEDGE NOTAS DA VERSÃO v5.11 Os recursos a seguir são planejados para a Web of Knowledge em 28 de julho de 2013. Este documento fornece informações sobre cada um dos recursos incluídos nessa

Leia mais

Como Criar uma Aula? Na página inicial do Portal do Professor, acesse ESPAÇO DA AULA: Ao entrar no ESPAÇO DA AULA, clique no ícone Criar Aula :

Como Criar uma Aula? Na página inicial do Portal do Professor, acesse ESPAÇO DA AULA: Ao entrar no ESPAÇO DA AULA, clique no ícone Criar Aula : Como Criar uma Aula? Para criar uma sugestão de aula é necessário que você já tenha se cadastrado no Portal do Professor. Para se cadastrar clique em Inscreva-se, localizado na primeira página do Portal.

Leia mais

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses

Leia mais

Presskit Guia Rápido. Release 2.0. Presskit

Presskit Guia Rápido. Release 2.0. Presskit Presskit Guia Rápido Release 2.0 Presskit 06/07/2009 Sumário 1 Login 2 Login e Senha...................................... 2 Esqueci minha senha.................................. 2 Fale Com o Suporte...................................

Leia mais

Portal Contador Parceiro

Portal Contador Parceiro Portal Contador Parceiro Manual do Usuário Produzido por: Informática Educativa 1. Portal Contador Parceiro... 03 2. Acesso ao Portal... 04 3. Profissionais...11 4. Restrito...16 4.1 Perfil... 18 4.2 Artigos...

Leia mais

O Blog do Conhecimento (http://blog.df.sebrae.com.br/ugc), desenvolvido pela UGC, é uma

O Blog do Conhecimento (http://blog.df.sebrae.com.br/ugc), desenvolvido pela UGC, é uma MANUAL DE UTILIZAÇÃO DO BLOG DO CONHECIMENTO APRESENTAÇÃO O Blog do Conhecimento (http://blog.df.sebrae.com.br/ugc), desenvolvido pela UGC, é uma ferramenta de COLABORAÇÃO que tem como objetivo facilitar

Leia mais

Manual SAGe Versão 1.2 (a partir da versão 12.08.01)

Manual SAGe Versão 1.2 (a partir da versão 12.08.01) Manual SAGe Versão 1.2 (a partir da versão 12.08.01) Submissão de Relatórios Científicos Sumário Introdução... 2 Elaboração do Relatório Científico... 3 Submissão do Relatório Científico... 14 Operação

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

Uma nova perspectiva sobre a experiência digital do cliente

Uma nova perspectiva sobre a experiência digital do cliente Uma nova perspectiva sobre a experiência digital do cliente Redesenhando a forma como empresas operam e envolvem seus clientes e colaboradores no mundo digital. Comece > Você pode construir de fato uma

Leia mais

Rafael Jessen Werneck de Almeida Martins. Recomendação de pessoas em redes sociais com base em conexões entre usuários

Rafael Jessen Werneck de Almeida Martins. Recomendação de pessoas em redes sociais com base em conexões entre usuários Rafael Jessen Werneck de Almeida Martins Recomendação de pessoas em redes sociais com base em conexões entre usuários Dissertação de Mestrado Dissertação apresentada como requisito parcial para a obtenção

Leia mais

Esta é a tela inicia, aqui podemos visualizer os relatórios de envio, gráficos de inscrições,cancelamentos, etc.

Esta é a tela inicia, aqui podemos visualizer os relatórios de envio, gráficos de inscrições,cancelamentos, etc. CRIANDO UMA CAMPANHA Esta é a tela inicia, aqui podemos visualizer os relatórios de envio, gráficos de inscrições,cancelamentos, etc. O primeiro passo é adicionar uma lista, as lista basicamente são grupos

Leia mais

Solução de acessibilidade. Guia do administrador

Solução de acessibilidade. Guia do administrador Solução de acessibilidade Guia do administrador Julho de 2014 www.lexmark.com Conteúdo 2 Conteúdo Visão geral...3 Configurando o aplicativo...4 Configurando o acesso do usuário...4 Desativando funções

Leia mais

Introdução à Bonita BPM

Introdução à Bonita BPM WHITE PAPER Introdução à Bonita BPM Como começar a usar o Bonita BPM para capturar um processo conceitual e transformá-lo em um diagrama de processo Charlotte Adams, Alexandre Bricout e Maria Picard, Bonitasoft

Leia mais

Recuperação de Imagens na Web Baseada em Informações Textuais

Recuperação de Imagens na Web Baseada em Informações Textuais Recuperação de Imagens na Web Baseada em Informações Textuais André Ribeiro da Silva Mário Celso Candian Lobato Universidade Federal de Minas Gerais Departamento de Ciência da Computação {arsilva,mlobato}@dcc.ufmg.br

Leia mais

Como criar e editar Blogs. Manual Básico do. Mario Roberto Barro Jerino Queiroz Ferreira Profª Drª Salete Linhares Queiroz

Como criar e editar Blogs. Manual Básico do. Mario Roberto Barro Jerino Queiroz Ferreira Profª Drª Salete Linhares Queiroz Como criar e editar Blogs Manual Básico do Mario Roberto Barro Jerino Queiroz Ferreira Profª Drª Salete Linhares Queiroz São Carlos Setembro / 2008 Sumário Introdução...3 Criando um Blog no Edublogs...4

Leia mais

Requisitos de Software

Requisitos de Software Requisitos de Software Ian Sommerville 2006 Engenharia de Software, 8ª. edição. Capítulo 6 Slide 1 Objetivos Apresentar os conceitos de requisitos de usuário e de sistema Descrever requisitos funcionais

Leia mais

CAPÍTULO 4. AG8 Informática

CAPÍTULO 4. AG8 Informática 2ª PARTE CAPÍTULO 4 Este capítulo têm como objetivo: 1. Tratar das etapas do projeto de um Website 2. Quais os profissionais envolvidos 3. Administração do site 4. Dicas para não cometer erros graves na

Leia mais

Ambiente Virtual de Aprendizagem C.S.G. M anual do Professor

Ambiente Virtual de Aprendizagem C.S.G. M anual do Professor Ambiente Virtual de Aprendizagem C.S.G. M anual do Professor Sumário Pré-requisitos para o Moodle... Entrar no Ambiente... Usuário ou senha esquecidos?... Meus cursos... Calendário... Atividades recentes...

Leia mais

Millennium ECO 2.0 (beta)

Millennium ECO 2.0 (beta) MILLENNIUM NETWORK Millennium ECO 2.0 (beta) Documentação Técnica (draft) 10/2013 Este documento contém as instruções para a utilização da biblioteca Millenium_Eco que se presta à comunicação de aplicativos

Leia mais

Guia de Utilização. emeg - Avaliação

Guia de Utilização. emeg - Avaliação Guia de Utilização emeg - Avaliação O GUIA O Guia Este guia foi desenvolvido para auxiliar na utilização do software emeg dentro do processo de avaliação de Prêmios que utilizam o MEG Modelo de Excelência

Leia mais

Guia de auxílio aos responsáveis

Guia de auxílio aos responsáveis Guia de auxílio aos responsáveis SUMÁRIO FEED DE NOTÍCIAS... 3 DOWNLOAD DE IMAGENS... 4 PENDÊNCIA:... 5 EDIÇÃO DE DADOS PESSOAIS... 6 ALTERAÇÃO DE SENHA... 7 ESQUECEU SUA SENHA?... 7 AGENDA... 8 2 FEED

Leia mais

Capítulo 1 - Introdução 14

Capítulo 1 - Introdução 14 1 Introdução Em seu livro Pressman [22] define processo de software como um arcabouço para as tarefas que são necessárias para construir software de alta qualidade. Assim, é-se levado a inferir que o sucesso

Leia mais

1. Introdução ao Campus Virtual 1.1. Introdução

1. Introdução ao Campus Virtual 1.1. Introdução 1. Introdução ao Campus Virtual 1.1. Introdução Este tutorial tem a finalidade de guiar o aluno, dando orientações necessárias para o acesso, navegação e utilização das ferramentas principais. Um ambiente

Leia mais

Sistema Eletrônico de Editoração de RevistasSEER

Sistema Eletrônico de Editoração de RevistasSEER Sistema Eletrônico de Editoração de RevistasSEER O SEER foi traduzido e customizado pelo Instituto Brasileiro de Informação em Ciência e Tecnologia (IBICT) baseado no software desenvolvido pelo Public

Leia mais

15 Computador, projeto e manufatura

15 Computador, projeto e manufatura A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as

Leia mais

Guia de referência rápida

Guia de referência rápida Guia de referência rápida www.sciencedirect.com O ScienceDirect é a base de dados de texto completo e revisado por pares da Elsevier com aproximadamente.000 livros e mais de.00 periódicos. Além de buscas

Leia mais

Descoberta de Domínio Conceitual de Páginas Web

Descoberta de Domínio Conceitual de Páginas Web paper:25 Descoberta de Domínio Conceitual de Páginas Web Aluno: Gleidson Antônio Cardoso da Silva gleidson.silva@posgrad.ufsc.br Orientadora: Carina Friedrich Dorneles dorneles@inf.ufsc.br Nível: Mestrado

Leia mais

Ambiente Virtual de Aprendizagem Moodle

Ambiente Virtual de Aprendizagem Moodle Ambiente Virtual de Aprendizagem Moodle No INSEP, o ambiente virtual de aprendizagem oferecido ao acadêmico é o MOODLE. A utilização dessa ferramenta é fundamental para o sucesso das atividades em EAD,

Leia mais

Studio 5000 Logix Designer Automação Produtiva

Studio 5000 Logix Designer Automação Produtiva Studio 5000 Logix Designer Automação Produtiva PUBLIC INFORMATION Rev 5058-CO900E Copyright 2014 Rockwell Automation, Inc. All Rights Reserved. Projetando para Automação Produtiva Ambiente de Projeto Completo

Leia mais

Moodle - Tutorial para Professores

Moodle - Tutorial para Professores Moodle - Tutorial para Professores por Prof. Maurício Lima 1 agosto de 2010 Objetivo Este documento apresenta aos professores da Faculdade Novos Horizontes os primeiros passos na utilização do pacote Moodle.

Leia mais

Manual da Turma Virtual: MATERIAIS. Para acessar a turma virtual com o perfil Docente, siga o caminho indicado abaixo:

Manual da Turma Virtual: MATERIAIS. Para acessar a turma virtual com o perfil Docente, siga o caminho indicado abaixo: Manual da Turma Virtual: MATERIAIS Para acessar a turma virtual com o perfil Docente, siga o caminho indicado abaixo: MENU TURMA VIRTUAL MENU MATERIAIS CONTEÚDO/PÁGINA WEB Esta operação possibilita que

Leia mais

CAPÍTULO 2. Este capítulo tratará :

CAPÍTULO 2. Este capítulo tratará : 1ª PARTE CAPÍTULO 2 Este capítulo tratará : 1. O que é necessário para se criar páginas para a Web. 2. A diferença entre páginas Web, Home Page e apresentação Web 3. Navegadores 4. O que é site, Host,

Leia mais

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

Leia mais

Sistema de Gestão de Recursos de Aprendizagem

Sistema de Gestão de Recursos de Aprendizagem Sistema de Gestão de Recursos de Aprendizagem Ambiente Virtual de Aprendizagem (Moodle) - - Atualizado em 29/07/20 ÍNDICE DE FIGURAS Figura Página de acesso ao SIGRA... 7 Figura 2 Portal de Cursos... 8

Leia mais

Unidade 1: O Painel de Controle do Excel *

Unidade 1: O Painel de Controle do Excel * Unidade 1: O Painel de Controle do Excel * material do 2010* 1.0 Introdução O Excel nos ajuda a compreender melhor os dados graças à sua organização em células (organizadas em linhas e colunas) e ao uso

Leia mais

2 Geração Dinâmica de Conteúdo e Templates de Composição

2 Geração Dinâmica de Conteúdo e Templates de Composição 2 Geração Dinâmica de Conteúdo e Templates de Composição Alguns dos aspectos mais importantes na arquitetura proposta nesta dissertação são: a geração dinâmica de conteúdo e a utilização de templates de

Leia mais

Pontos de Função. André Chastel Lima Andréia Ferreira Pinto Diego Souza Campos. Engenharia de Software Mestrado Ciência da Computação - UFMS

Pontos de Função. André Chastel Lima Andréia Ferreira Pinto Diego Souza Campos. Engenharia de Software Mestrado Ciência da Computação - UFMS Pontos de Função André Chastel Lima Andréia Ferreira Pinto Diego Souza Campos Engenharia de Software Mestrado Ciência da Computação - UFMS Roteiro Introdução Métricas de Projeto Análise de Pontos de Função

Leia mais

Conceitos de Banco de Dados

Conceitos de Banco de Dados Conceitos de Banco de Dados Autor: Luiz Antonio Junior 1 INTRODUÇÃO Objetivos Introduzir conceitos básicos de Modelo de dados Introduzir conceitos básicos de Banco de dados Capacitar o aluno a construir

Leia mais

3 Modelo de Controle de Acesso no Projeto de Aplicações na Web Semântica

3 Modelo de Controle de Acesso no Projeto de Aplicações na Web Semântica 3 Modelo de Controle de Acesso no Projeto de Aplicações na Web Semântica Este trabalho tem o objetivo de integrar o controle de acesso no projeto de aplicações na web semântica. Uma arquitetura de software

Leia mais

Manual do Painel Administrativo

Manual do Painel Administrativo Manual do Painel Administrativo versão 1.0 Autores César A Miggiolaro Marcos J Lazarin Índice Índice... 2 Figuras... 3 Inicio... 5 Funcionalidades... 7 Analytics... 9 Cidades... 9 Conteúdo... 10 Referência...

Leia mais

Objetivos. Engenharia de Software. O Estudo de Viabilidade. Fase do Estudo de Viabilidade. Idéias chave. O que Estudar? O que concluir?

Objetivos. Engenharia de Software. O Estudo de Viabilidade. Fase do Estudo de Viabilidade. Idéias chave. O que Estudar? O que concluir? Engenharia de Software O Estudo de Viabilidade Objetivos O que é um estudo de viabilidade? O que estudar e concluir? Benefícios e custos Análise de Custo/Benefício Alternativas de comparação 1 2 Idéias

Leia mais

Google Cloud Print. Guia do administrador

Google Cloud Print. Guia do administrador Google Cloud Print Guia do administrador Março de 2015 www.lexmark.com Conteúdo 2 Conteúdo Visão geral... 3 Configuração do aplicativo...4 Adquirindo uma conta do Google...4 Acessando a página de configuração

Leia mais

WF Processos. Manual de Instruções

WF Processos. Manual de Instruções WF Processos Manual de Instruções O WF Processos é um sistema simples e fácil de ser utilizado, contudo para ajudar os novos usuários a se familiarizarem com o sistema, criamos este manual. Recomendamos

Leia mais

NORMAS PARA EDITORAÇÃO E ENVIO DE TRABALHOS TÉCNICOS AO EVENTOS BRASIL 2014

NORMAS PARA EDITORAÇÃO E ENVIO DE TRABALHOS TÉCNICOS AO EVENTOS BRASIL 2014 NORMAS PARA EDITORAÇÃO E ENVIO DE TRABALHOS TÉCNICOS AO EVENTOS BRASIL 2014 07 a 08 de dezembro de 2014 São Paulo - SP DATAS E CONSIDERAÇÕES IMPORTANTES Os trabalhos técnicos deverão ser enviados eletronicamente,

Leia mais

Programação de Computadores

Programação de Computadores Programação de Computadores INTRODUÇÃO AOS ALGORITMOS E À PROGRAMAÇÃO DE COMPUTADORES PARTE 2 Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Exemplo Inicial Uma

Leia mais

Instituto de Ciências Matemáticas e de Computação. MANUAL DE USO Sistema de Reserva de Salas INTRANET - ICMC-USP

Instituto de Ciências Matemáticas e de Computação. MANUAL DE USO Sistema de Reserva de Salas INTRANET - ICMC-USP Instituto de Ciências Matemáticas e de Computação ISSN - 0103-2569 MANUAL DE USO Sistema de Reserva de Salas INTRANET - ICMC-USP André Pimenta Freire Renata Pontin de M. Fortes N 0 213 RELATÓRIOS TÉCNICOS

Leia mais

1 ACESSO AO PORTAL UNIVERSITÁRIO 3 3 PLANO DE ENSINO 6 4 AULAS 7 5 AVALIAÇÃO E EXERCÍCIO 9 6 ENQUETES 12 7 QUADRO DE AVISOS 14

1 ACESSO AO PORTAL UNIVERSITÁRIO 3 3 PLANO DE ENSINO 6 4 AULAS 7 5 AVALIAÇÃO E EXERCÍCIO 9 6 ENQUETES 12 7 QUADRO DE AVISOS 14 portal@up.com.br Apresentação Este manual contém informações básicas, e tem como objetivo mostrar a você, aluno, como utilizar as ferramentas do Portal Universitário e, portanto, não trata de todos os

Leia mais

Manual do Usuário ZKPatrol1.0

Manual do Usuário ZKPatrol1.0 Manual do Usuário ZKPatrol1.0 SOFTWARE Sumário 1 Introdução de Funções... 3 1.2 Operação Básica... 4 1.3 Seleção de idioma... 4 2 Gerenciamento do Sistema... 5 2.1 Entrar no sistema... 5 2.2 Sair do Sistema...

Leia mais

Tutorial Plone 4. Manutenção de Sites. Universidade Federal de São Carlos Departamento de Sistemas Web Todos os direitos reservados

Tutorial Plone 4. Manutenção de Sites. Universidade Federal de São Carlos Departamento de Sistemas Web Todos os direitos reservados Tutorial Plone 4 Manutenção de Sites Universidade Federal de São Carlos Departamento de Sistemas Web Todos os direitos reservados Sumário Introdução 1 Como fazer a autenticação do usuário 1.1 Através do

Leia mais

Manual do Usuário 2013

Manual do Usuário 2013 Manual do Usuário 2013 MANUAL DO USUÁRIO 2013 Introdução Um ambiente virtual de aprendizagem é um programa para computador que permite que a sala de aula migre para a Internet. Simula muitos dos recursos

Leia mais

PROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software

PROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às

Leia mais

Guia Básico de Utilização da Biblioteca Virtual da FAPESP. Thais Fernandes de Morais Fabiana Andrade Pereira

Guia Básico de Utilização da Biblioteca Virtual da FAPESP. Thais Fernandes de Morais Fabiana Andrade Pereira Guia Básico de Utilização da Biblioteca Virtual da FAPESP Thais Fernandes de Morais Fabiana Andrade Pereira Centro de Documentação e Informação da FAPESP São Paulo 2015 Sumário Introdução... 2 Objetivos...

Leia mais

FERRAMENTAS DE COLABORAÇÃO CORPORATIVA

FERRAMENTAS DE COLABORAÇÃO CORPORATIVA FERRAMENTAS DE COLABORAÇÃO CORPORATIVA Criação de Formulários no Google Drive Sumário (Clique sobre a opção desejada para ir direto à página correspondente) Criação de Formulários no Google Drive Introdução...

Leia mais

COMO USAR DOIS MONITORES NO WINDOWS 8

COMO USAR DOIS MONITORES NO WINDOWS 8 COMO USAR DOIS MONITORES NO WINDOWS 8 Trabalhar com dois monitores no Windows tem diversas utilidades. Dentre elas podemos destacar a possibilidade de visualizar mais itens ao mesmo tempo, exibir o conteúdo

Leia mais