Dissertação

Sugestões de Tags para Digg EVALUATED

Os sistemas de tagging sociais estão a tornar-se cada vez mais populares, devido, em grande parte, à sua facilidade de utilização. Este assunto é relativamente recente e, apesar de não haver muita literatura, existem já bastantes sistemas. Todavia, apesar de popular, o processo de tagging é, normalmente, manual. Quando um utilizador publica um recurso, são-lhe pedidas as tags para serem associadas ao recurso. Estas palavras-chave ajudam os utilizadores a organizarem os recursos e facilitam a procura. A tarefa de um sistema de sugestão de tags é escolher e propôr um conjunto de palavras que se adequem ao recurso a ser publicado, para que o utilizador possa escolher as que lhe interessam, facilitando a tarefa de organizar recursos. Nesta Tese, apresenta-se um sistema de sugestão de tags, denominado Tess. É baseado em técnicas de machine learning e recuperação de informação. A colecção de dados, necessária à execução do algoritmo, é recolhida a partir do Digg, pelo que, o Tess segue a mesma hierarquia de tópicos. Quando o sistema recebe um documento, este é processado e, juntamente com os documentos no corpus, são extraídas palavras relevantes para serem depois sugeridas. O sistema foi avaliado por um grupo de utilizadores. Foram aplicadas algumas medidas estatísticas para aferir a sua qualidade. Os primeiros resultados foram promissores. Em média, mais de metade das tags sugeridas são consideradas relevantes por, pelo menos, um utilizador. Contudo, o sistema ainda pode ser melhorado. Como tal, apresentam-se algumas ideias para melhorar a qualidade do sistema.
Tagging, Sistemas de Sugestão de Tags, Digg, Folksonomies, Sistemas de Gestão de Informação

outubro 31, 2007, 14:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Helena Sofia Andrade Nunes Pereira Pinto

Departamento de Engenharia Informática (DEI)

Professor Auxiliar