Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/44971
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2022_JuliaCabralDinizBraz.pdf3,53 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorSilva, Daniel Guerreiro e-
dc.contributor.authorBraz, Júlia Cabral Diniz-
dc.date.accessioned2022-10-03T21:55:24Z-
dc.date.available2022-10-03T21:55:24Z-
dc.date.issued2022-10-03-
dc.date.submitted2022-06-27-
dc.identifier.citationBRAZ, 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.urihttps://repositorio.unb.br/handle/10482/44971-
dc.descriptionDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2022.pt_BR
dc.description.abstractSistemas 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.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).pt_BR
dc.language.isoPortuguêspt_BR
dc.rightsAcesso Abertopt_BR
dc.titleUm sistema imuno-inspirado de recomendação de disciplinas para cursos superiorespt_BR
dc.typeDissertaçãopt_BR
dc.subject.keywordSistemas de recomendaçãopt_BR
dc.subject.keywordAlgoritmos bioinspiradospt_BR
dc.subject.keywordSistemas imunológicos artificiaispt_BR
dc.rights.licenseA 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.abstract1Recommender 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.unidadeFaculdade de Tecnologia (FT)pt_BR
dc.description.unidadeDepartamento de Engenharia Elétrica (FT ENE)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Engenharia Elétricapt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.