Use este identificador para citar ou linkar para este item: https://repositorio.ifg.edu.br/handle/prefix/2885
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisor1Souza, Daniel Xavier de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4603724338719739pt_BR
dc.contributor.referee1Souza, Daniel Xavier de-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4603724338719739pt_BR
dc.contributor.referee2Xavier, Otávio Calaça-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7603465099889835pt_BR
dc.contributor.referee3Costa, Gustavo de Assis-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/1543798708473666pt_BR
dc.creatorSantos, João Vitor Felipe dos-
dc.creator.Latteshttp://lattes.cnpq.br/3247806843170104pt_BR
dc.date.accessioned2026-10-21T15:01:28Z-
dc.date.available2026-10-21T15:01:28Z-
dc.date.issued2025-02-11-
dc.identifier.citationSANTOS, João Vitor Felipe dos. IFG-Produz: análise e caracterização de uma nova base de dados pública para sistemas de recomendação de artigos científicos. 2025. 81 f. Monografia (Especialização em Inteligência Artificial Aplicada) – Instituto Federal de Educação, Ciência e Tecnologia de Goiás, Câmpus Anápolis, Anápolis, 2025.pt_BR
dc.identifier.urihttps://repositorio.ifg.edu.br/handle/prefix/2885-
dc.description.resumoEste trabalho apresenta a caracterização e análise do IFG-Produz, uma nova base de dados pública disponibilizada para pesquisa em sistemas de recomendação de artigos científicos, visto que a escassez de bases de dados públicas e com informações relevantes para esse fim representa um desafio para a experimentação destes modelos. Assim, este estudo busca disponibilizar um conjunto de dados rico em informações, contendo interações entre usuários e publicações, rótulos de relevância e dados complementares, como autoria, conferências e periódicos. Foram realizados experimentos comparativos utilizando cinco modelos de recomendação: GraphRec, KGAT, SR-GNN, SASRec e BERT4Rec, além de abordagens baseadas em filtragem de conteúdo. Os resultados demonstram que o KGAT obteve melhor desempenho entre os modelos híbridos, enquanto técnicas baseadas em conteúdo, como TF-IDF e BERT, mostraram-se muito eficazes devido à representatividade dos títulos das publicações. Por outro lado, os modelos baseados em sequências apresentaram desempenho inferior, refletindo a ausência de um histórico temporal estruturado na base. As análises reforçam que o IFG-Produz é uma base de dados robusta e adequada para experimentação com diferentes técnicas de recomendação em diferentes cenários, permitindo a aplicação de algoritmos colaborativos, híbridos e baseados em conteúdo. Estudos futuros podem explorar conexões adicionais entre dados, como a relação entre palavras-chave e áreas de pesquisa, para ampliar a aplicabilidade do dataset em diferentes cenários de recomendação.pt_BR
dc.description.provenanceSubmitted by Lucimar Alves de Oliveira (lucimar.oliveira@ifg.edu.br) on 2026-10-01T15:45:07Z No. of bitstreams: 1 Monografia João Vitor.pdf: 1522971 bytes, checksum: 13abd01a91c09a770a637335619c8c8d (MD5)en
dc.description.provenanceApproved for entry into archive by Matheus Rocha Piacenti (matheus.piacenti@ifg.edu.br) on 2026-10-21T15:01:28Z (GMT) No. of bitstreams: 1 Monografia João Vitor.pdf: 1522971 bytes, checksum: 13abd01a91c09a770a637335619c8c8d (MD5)en
dc.description.provenanceMade available in DSpace on 2026-10-21T15:01:28Z (GMT). No. of bitstreams: 1 Monografia João Vitor.pdf: 1522971 bytes, checksum: 13abd01a91c09a770a637335619c8c8d (MD5) Previous issue date: 2025-02-11en
dc.languageporpt_BR
dc.publisherInsitituto Federal de Educação, Ciência e Tecnologia de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCâmpus Anápolispt_BR
dc.publisher.initialsIFGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectSistemas de Recomendaçãopt_BR
dc.subjectBases de Dadopt_BR
dc.subjectRecommendation Systemspt_BR
dc.subjectDatabasespt_BR
dc.subject.cnpqCiência da Computação (Área) / Metodologia e Técnicas da Computação (Subárea) / Sistemas de Informação (Subárea)pt_BR
dc.titleIFG-Produz: análise e caracterização de uma nova base de dados pública para sistemas de recomendação de artigos científicospt_BR
dc.title.alternativeIFG-Produz: analysis and characterization of a new public dataset for scientific article recommendation systemspt_BR
dc.typeMonografia-Especializaçãopt_BR
Aparece nas coleções:Especialização em Inteligência Artificial Aplicada

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Monografia João Vitor.pdfMonografia João Vitor Felipe dos Santos1,49 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


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