O documento descreve um sistema de recomendação de artigos científicos (SisRecAC) baseado em um documento de exemplo fornecido pelo usuário. O SisRecAC extrai palavras-chave desse documento e recomenda outros artigos com base nelas. Experimentos com 32 usuários e 179 documentos mostraram que as recomendações baseadas em 5-9 palavras eram mais relevantes do que outras abordagens como expressões ou títulos.

1. Sistema de Recomendação de Artigos Científicos a Partir de um Texto Exemplo Christiano Avila S tanley Loh Frederico Fonseca

2. Sumário Introdução SisRecAC Experimentos Resultados Considerações Finais / Conclusões Apoio

3. Introdução Segundo Spink et al.[19]: 52% das consultas submetidas aos mecanismos de buscas são reformuladas 32,5% das consultas modificadas sofreram alterações nos termos submetidos, mas não no número total de termos 41,6% incluíram termos novos 25,9% eram relativas a consultas modificadas pela exclusão de termos. Pesquisa da iProspect concluiu que 82% dos usuários de mecanismos de busca refazem consultas não bem sucedidas acrescentando mais palavras.

4. Introdução Silverstein et al. [17], Lau & Horvitz [10], Spink et al. [19], Teevan et al. [20] constatam que usuários utilizam entre 2 e 3 termos em média Entretanto, Kraft et al. [8], concluíram que o número ideal de palavras a serem submetidas para busca nos mecanismos deve ficar entre 5 e 9.

5. Introdução Belkin et al. [2] e o Estado Anômalo de Conhecimento (ASK - Anomalous State of Knowledge). Problema para especificar precisamente os termos Os mecanismos de busca tradicionais exigem que o usuário tenha algum conhecimento Contradição pedir ao usuário para formular o que precisa se é isto justamente o que falta. “ Método” de tentativa e erro que toma tempo e pode gerar frustração com o mecanismo de busca.

6. Introdução Motivação dificuldade para determinar as palavras-chave. Aplicações na área de apoio ao ensino

7. SisRecAC Sistema de recomendação de artigos científicos (SisRecAC) Baseado no paradigma de “ query by example ” É um sistema de metabusca

8. SisRecAC Partida a frio (Cold start), pouca possibilidade de surpresa (serendipity ) Ter o documento de exemplo ASK Problemas Movielens, Grupolens, diversos sistemas de e-commerce SisRecAC Google, Yahoo, outros Exemplos O sistema constrói um perfil dos usuários (filtragem colaborativa, baseado em conteúdo) O usuário informa um exemplo do que precisa O usuário deve saber informar corretamente as palavras-chave Descrição Paradigma 2 Query by exemplo Paradigma 1

9. SisRecAC Faz upload de um Documento (.pdf, .txt) 2) Escolhe um método usuário 3) Extrai palavras-chave do Documento 5)Links para Artigos científicos 4) Submete Palavras-chave 6) Recebe as recomendações 7) Faz a avaliação

10. SisRecAC

11. Tags Upload

12. Upload Recomendação 1 Recomendação 2 Recomendação 3

13. SisRecAC Métodos Identificar ou extrair de características do documento Submeter consulta ao mecanismo de busca. Comparar diferentes métodos de extração de palavras-chave de textos. Utilizar título e “ tags ” informadas pelos usuários.

14. SisRecAC Expressões Método 1 – uma expressão Método 2 – 2 expressões Método 3 - 3 expressões

15. SisRecAC Palavras com maior freqüência Método 4 - 4 palavras de maior freqüência no documento. Métodos 5, 6, 7, 8 e 9 – idem, porém 5, 6, 7, 8 e 9 palavras.

16. SisRecAC Outros métodos Método 10 - título do documento Método 11 – tags

17. Experimentos Seleção do Método Escolhido em função da quantidade de avaliações realizadas

18. Experimentos Os usuários do SisRecAc são convidados a avaliar as recomendações do sistema. Podem informar se consideram a recomendação: Totalmente relevante Parcialmente relevante Irrelevante

19. Upload Recomendação 1 Recomendação 2 Recomendação 3 Avaliação

20. Resultados Gráfico Expressões Termos simples Título Tags

21. Conclusões Este projeto confirma Kraft et al. [8] que descobriu que o número ideal de termos em uma consulta deve estar entre 5 e 9 Demonstra que sistemas de recomendação baseados no paradigma de “ query by example ” são uma alternativa viável pois o uso de exemplos minimiza o esforço do usuário para selecionar palavras-chave para representar sua intenção de busca. O sistema apresentado nesse artigo mostra que técnicas automáticas podem alcançar boa precisão quando recomenda documentos baseados em um exemplo. O algoritmo que extrai as palavras-chave dos documentos é relativamente simples e com baixo custo computacional se comparado a outros algoritmos com fins semelhantes. O sistema apresenta um excelente potencial de utilização na área acadêmica, onde manuais, artigos, apostilas e conteúdos programáticos poderiam ser utilizados como texto base para recomendação.

22. Trabalhos futuros Descoberta de conhecimento em “folksonomias” Uso de tags com expansão baseada em folksonomias Ampliar os recursos do SisRecAc (agentes, convites, uso de perfil, …) Integração com o Sistema de Apoio da UCPEL (conteúdos programáticos, uploads de professores, …)

23. Apoio Este trabalho é parcialmente apoiado pela FAPERGS (Fundação de Amparo à Pesquisa do Estado do Rio Grande do Sul).

24. Sistema de Recomendação de Artigos Científicos a Partir de um Texto Exemplo Christiano Avila – chris AT direto2.ucpel.tche.br S tanley Loh - loh AT ucpel.tche.br Frederico Fonseca - frederico12345 AT gmail.com

28. Experimentos Total de usuários:32 Total de documentos:179 Total de avaliações:929