Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/18799
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2017_RenatoRangelCostaBonfim_tcc.pdf1,94 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorLadeira, Marcelo-
dc.contributor.authorBomfim, Renato Rangel Costa Cruz-
dc.identifier.citationBOMFIM, Renato Rangel Costa Cruz. Flecha: um sistema de recomendação de questões de concurso público. 2017. xi, 28 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2017.pt_BR
dc.descriptionTrabalho de conclusão de curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2017.pt_BR
dc.description.abstractEsse estudo apresenta um sistema de recomendação de questões sobre Noções de Informática e Direito Administrativo que foram aplicadas em concursos públicos, com base na maior incidência dos temas nas provas. A ferramenta pode ser utilizada por candidatos para otimizar o tempo de estudo, permitindo escolher para resolver os exercícios cujos temas foram mais abordados em concursos. O sistema criado é capaz de extrair questões oriundas de meios não estruturados como PDFs, classificar automaticamente as questões e fazer recomendações de tal forma que a quantidade recomendada é proporcional ao que foi cobrado anteriormente. Para fazer a classificação foram induzidos classificadores com o SVM nas implementações SVC e LinearSVC e realizados experimentos com diferentes parâmetros. Também foram testados diferentes tipos de pré-processamento. Já na recomendação foi proposto um sistema que clusteriza as questões em grupos que serão recomendados proporcionalmente ao tamanho de cada cluster. Foram realizados experimentos com diferentes números de clusters, a eficácia de uma função de decaimento e o comportamento da qualidade da recomendação quando se aumenta o número de questões recomendadas. Na classificação, os melhores resultados obtidos foram com o LinearSVC. A recomendação obteve os melhores resultados sem a utilização do decaimento e com um número pequeno de clusters.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordSistemas de recomendaçãopt_BR
dc.subject.keywordMineração de textopt_BR
dc.subject.keywordAprendizado do computadorpt_BR
dc.titleFlecha : um sistema de recomendação de questões de concurso públicopt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2017-12-21T18:30:26Z-
dc.date.available2017-12-21T18:30:26Z-
dc.date.submitted2017-10-04-
dc.identifier.urihttp://bdm.unb.br/handle/10483/18799-
dc.language.isoPortuguêspt_BR
dc.description.abstract1This research presents a recommendation system for Brazilian civil service exams on Information Technology and Administrative Law. Based on the higher incidence of subjects in the tests, the tool can be used by candidates to optimize the study time, allowing to choose exercises whose subjects were most approached in the last exams. The system was created to extract questions from unstructured media such as PDFs, automatically classify questions and make recommendations such that the recommended amount is proportional to what was previously seen on past exams. In order to do the classification, it was induced SVM classifiers with the SVC and LinearSVC implementations and experiments were performed with different parameters. Different types of preprocessing have also been tested. In the recommendation, the exam question were clusterized into similar groups and recommended in proportion to the size of each cluster. Experiments were performed with different numbers of clusters, the effectiveness of the decay function and the behavior of the recommendation when increasing the number of recommended questions. In the classification, the best results were obtained with LinearSVC. The recommendation obtained the best results without the use of decay function and with a small number of clusters.pt_BR
Aparece na Coleção:Ciência da Computação



Este item está licenciado na Licença Creative Commons Creative Commons