What is it about?

O grande volume de diferentes conteúdos disponíveis na Internet faz com que, muitas vezes, seja difícil identificar aquele conteúdo mais agradável ou relevante para um dado usuário. Este fenômeno se repete também durante a escolha de quais artigos científicos um pesquisador irá ler. Enquanto a maioria das bibliotecas digitais indexam os trabalhos de acordo com a data de publicação e/ou o número de citações recebidas, é possível utilizar Inteligência Artificial, ou especificamente mineração de textos, para auxiliar na tarefa de identificação de artigos potencialmente relevantes para um dado pesquisador. O presente trabalho utilizou mineração de textos para auxiliar no processo de seleção de trabalhos durante a condução de uma revisão sistemática da literatura.

Featured Image

Why is it important?

Diversos projetos e, em especial, os projetos de pesquisa, contêm uma etapa de revisão da literatura. Este processo pode ser realizado de diferentes formas, por exemplo, exploratória ou sistemática. Com o grande número de textos científicos disponíveis na Internet, identificar aqueles mais relevantes para seu projeto é uma tarefa complexa que pode ser auxiliada pelo uso de Inteligência Artificial.

Perspectives

Sistemas de recomendação de filmes, livros, séries e produtos em geral estão cada vez mais presentes na vida cotidiana. Quando se trata de artigos científicos é possível desenvolver soluções baseadas em mineração de textos para prover sugestões de leitura ainda mais relevantes em especial se o pesquisador fornecer uma lista inicial de trabalhos que foram relevantes para sua pesquisa. O presente projeto mostrou a viabilidade deste tipo de solução aplicada a dois conjuntos de dados diferentes.

Dr. Luciano Antonio Digiampietri
Universidade de Sao Paulo Campus da Capital

Read the Original

This page is a summary of: O uso de redes neurais para classificar artigos em revisões sistemáticas, Revista Brasileira de Computação Aplicada, May 2020, UPF Editora,
DOI: 10.5335/rbca.v12i2.10561.
You can read the full text:

Read

Contributors

The following have contributed to this page