Use este identificador para citar ou linkar para este item: http://hdl.handle.net/11624/621
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorAlves, Antônio Carlos-
dc.typeDissertação de Mestradopt_BR
dc.language.isopt_BRpt_BR
dc.titleGIRS : genetic information retrieval system.pt_BR
dc.date.issued2009-
dc.degree.localSanta Cruz do Sulpt_BR
dc.contributor.advisorSchreiber, Jacques Nelson Corleta-
dc.contributor.advisorcoFurtado, João Carlos-
dc.degree.departmentPrograma de Pós-Graduação em Sistemas e Processos Industriaispt_BR
dc.description.abstractCurrently, companies and corporations deal with a big amount of internal documents (rules, contracts, resolutions, records, communications, others) generated daily. Such documents are stored in several places and formats and, consequently, there is a need to restore information found in these documents. The problem is that the quantity and diversity of documents stored make it difficult for users to find useful information in the files. Moreover, there is a great difficulty in finding truly relevant information that is often lost among a great number of less important documents. This thesis brings a proposal of an information retrieval system where the value of restored documents increases in each interaction through genetic algorithms with direct help of the system users and trough an implicit feedback, aiming at the improvement of restored documents’ relevance every new search.pt_BR
dc.description.notaInclui bibliografia.pt_BR
dc.subject.otherTecnologia da informaçãopt_BR
dc.subject.otherSistemas de informação gerencialpt_BR
dc.subject.otherSistemas de recuperação da informaçãopt_BR
dc.subject.otherRecuperação da informaçãopt_BR
dc.subject.otherAlgoritmos genéticospt_BR
dc.identifier.urihttp://hdl.handle.net/11624/621-
dc.date.accessioned2015-09-09T23:43:07Z-
dc.date.available2015-09-09T23:43:07Z-
dc.degree.grantorUniversidade de Santa Cruz do Sulpt_BR
dc.description.resumoAtualmente as empresas e as corporações têm uma grande quantidade de documentos internos (normas, contratos, resoluções, atas, comunicações, entre outros) gerados no seu cotidiano. Estes documentos são armazenados nos mais diversos locais e formatos, e desta forma, surge à necessidade de recuperar informação constante nestes documentos. O problema é que a quantidade e a diversidade destes documentos armazenados dificultam muito a localização das informações consideradas úteis pelos usuários destas coleções. Além disso, ainda há uma grande dificuldade de encontrar as informações verdadeiramente relevantes, que muitas vezes ficam perdidas em meio a uma quantidade excessiva de documentos não tão relevantes. Esta dissertação apresenta uma proposta de um sistema de recuperação de informações onde a relevância dos documentos recuperados evolua a cada interação através do uso de algoritmos genéticos e com a ajuda direta dos usuários deste sistema através de um feedback implícito, visando uma melhora na relevância dos documentos recuperados, a cada nova consulta.pt_BR
Aparece nas coleções:Programa de Pós-Graduação em Sistemas e Processos Industriais – Mestrado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
AntonioCarlosAlves.pdf886.6 kBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons