Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11624/621
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | Alves, Antônio Carlos | - |
dc.type | Dissertação de Mestrado | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.title | GIRS : genetic information retrieval system. | pt_BR |
dc.date.issued | 2009 | - |
dc.degree.local | Santa Cruz do Sul | pt_BR |
dc.contributor.advisor | Schreiber, Jacques Nelson Corleta | - |
dc.contributor.advisorco | Furtado, João Carlos | - |
dc.degree.department | Programa de Pós-Graduação em Sistemas e Processos Industriais | pt_BR |
dc.description.abstract | Currently, 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.nota | Inclui bibliografia. | pt_BR |
dc.subject.other | Tecnologia da informação | pt_BR |
dc.subject.other | Sistemas de informação gerencial | pt_BR |
dc.subject.other | Sistemas de recuperação da informação | pt_BR |
dc.subject.other | Recuperação da informação | pt_BR |
dc.subject.other | Algoritmos genéticos | pt_BR |
dc.identifier.uri | http://hdl.handle.net/11624/621 | - |
dc.date.accessioned | 2015-09-09T23:43:07Z | - |
dc.date.available | 2015-09-09T23:43:07Z | - |
dc.degree.grantor | Universidade de Santa Cruz do Sul | pt_BR |
dc.description.resumo | Atualmente 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 | Tamanho | Formato | |
---|---|---|---|---|
AntonioCarlosAlves.pdf | 886.6 kB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons