dc.creator.ID |
FARIAS, A. M. M. A |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/7471050021771055 |
pt_BR |
dc.contributor.advisor1 |
RAMALHO, Franklin de Souza. |
|
dc.contributor.advisor1ID |
RAMALHO, F. S. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2469816352786812 |
pt_BR |
dc.contributor.referee1 |
OLIVEIRA, Maxwell Guimarães de. |
|
dc.contributor.referee1ID |
OLIVEIRA, M. G. |
pt_BR |
dc.contributor.referee2 |
MASSONI, Tiago Lima. |
|
dc.contributor.referee2ID |
MASSONI, T. L. |
pt_BR |
dc.description.resumo |
O GitHub, atualmente a maior plataforma para hospedagem de
código e controle de versionamento, possui um enorme fluxo
diário de interações entre usuários e repositórios. Com o número
de repositórios hospedados na casa dos milhões, alguns projetos
que poderiam ser do interesse de alguns usuários acabam
passando despercebidos, assim como projetos que necessitam de
desenvolvedores, acabam ficando no ostracismo. Para esses
casos, surge a necessidade de algum mecanismo que possa
facilitar a escolha de projetos, pelo usuário. Na literatura outros
trabalhos, já realizaram estudos sobre esse contexto,
recomendando projetos com diferentes abordagens. Entretanto,
ainda há espaço para novos estudos, utilizando novos aspectos,
na tentativa de verificar e validar outros resultados. Por isso, esse
trabalho busca encontrar projetos relevantes para o usuário,
baseando-se nos interesses do mesmo, na plataforma GitHub,
utilizando um conjunto de features com o auxílio de algoritmos de
learning to rank. Analisamos a efetividade learning to rank, no
contexto de recomendação de projetos, utilizando os algoritmos
RankNet, AdaRank e ListNet, usando como espaço amostral 826
repositórios e 3464 usuários do GitHub. Os resultados mostram,
a relevância da variável resposta e que a abordagem de learning
to rank para recomendação de projetos oferece muito espaço para
exploração. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Ciência da Computação. |
pt_BR |
dc.title |
Recomendação de projetos do Github por meio de Algoritmos de Learning to Rank |
pt_BR |
dc.date.issued |
2021 |
|
dc.description.abstract |
GitHub, as currently the biggest platform for hosting software development and version control, handles
on a daily basis, a massive stream of interactions between users and repositories. With millions of
repositories hosted on the platform, some projects that could be interesting for some users ended up
being unnoticed, same as other projects which are searching for developers ended up staying on a limbo.
In these situations, it becomes obvious the need for some mechanism that could help the user on
choosing projects. In the literature, there are other studies on the same context, recommending projects
using different approaches. Although, still there is space for new studies, using new aspects, in an
attempt to verify and validate other results. Therefore, this study focuses on finding relevant projects for
the users based on their interest, on the GitHub, using a set of features with the learning to rank
algorithms support. Analysing the effectiveness of learning to rank, on the recommending projects
context, using the algorithms RankNet, AdaRank and ListNet, in the sample space of 826 repositories and
3464 users on GitHub. The results present the target variable's relevancy and there is still much space for
exploration on learning to rank approach for projects recommendation. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19198 |
|
dc.date.accessioned |
2021-06-02T21:24:19Z |
|
dc.date.available |
2021-06-02 |
|
dc.date.available |
2021-06-02T21:24:19Z |
|
dc.type |
Trabalho de Conclusão de Curso |
pt_BR |
dc.subject |
Plataforma GitHub |
pt_BR |
dc.subject |
Learning to Rank |
pt_BR |
dc.subject |
Algoritmos de Learning to Rank |
pt_BR |
dc.subject |
RankLib |
pt_BR |
dc.subject |
RankNet |
pt_BR |
dc.subject |
GitHub Platform |
pt_BR |
dc.subject |
Learning to rank |
pt_BR |
dc.subject |
Learning to Rank Algorithms |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
FARIAS, Ariann Michael Martins de Andrade. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Github project recommendation through Learning to Rank Algorithms |
pt_BR |
dc.identifier.citation |
FARIAS, Ariann Michael Martins de Andrade. Recomendação de projetos do Github por meio Algoritmos de Learning to Rank. 2021. 13f. (Trabalho de Conclusão de Curso - Artigo), Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2021. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19198 |
pt_BR |