Aplicando algoritmos de learning to rank sobre features no github para recomendação de projetos.

DSpace Home
→
Campus Campina Grande | Centro de Engenharia Elétrica e Informática - CEEI
→
CURSOS DE GRADUAÇÃO DO CEEI
→
Curso de Bacharelado em Ciência da Computação
→
Trabalho de Conclusão de Curso - Artigo - Ciência da Computação
→
View Item

dc.creator.ID	NASCIMENTO, D. W. C.	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/7920362320958664	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	MACHADO , Patrícia Duarte de Lima.
dc.contributor.referee2	MASSONI , Tiago Lima.
dc.description.resumo	O GitHub é a plataforma de hospedagem de código e controle de versão mais utilizada atualmente. Diariamente, inúmeros projetos são criados, estendidos e modificados por diferentes usuários. Entretanto, muitos projetos que possivelmente seriam do interesse de determinados usuários, acabam por passar despercebidos diante da grande quantidade de projetos disponíveis. Neste contexto, surge a necessidade de algum mecanismo que possa auxiliar o usuário a encontrar projetos que podem ser de seu interesse. Já existe na literatura trabalhos que buscam analisar fatores de interesse com o objetivo de recomendar projetos, entretanto ainda há margem para utilização de outros fatores e critérios na tentativa de obter resultados melhores. Para tanto, o presente trabalho busca utilizar features, algumas já propostas na literatura e outras ainda não utilizadas nesse contexto, disponíveis em projetos do GitHub, com o auxílio de algoritmos de learning to rank, para encontrar relações de interesse em projetos e assim recomendá-los para o usuário. Verificamos a efetividade de learning to rank para recomendação de projetos usando os algoritmos LambdaMART, Random Forest e Coordinate Ascent, utilizando como base 826 repositórios e 3464 usuários do GitHub. Os resultados mostram que a abordagem de learning to rank para recomendação de projetos é promissora e efetiva, ao mesmo tempo que oferece muito espaço para aprimoramento.	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	Ciências da computação	pt_BR
dc.title	Aplicando algoritmos de learning to rank sobre features no github para recomendação de projetos.	pt_BR
dc.date.issued	2020
dc.identifier.uri	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20120
dc.date.accessioned	2021-07-19T20:03:37Z
dc.date.available	2021-07-19
dc.date.available	2021-07-19T20:03:37Z
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.subject	Recomendação de projetos	pt_BR
dc.subject	Recommendation of projects	pt_BR
dc.subject	Recomendación de proyectos	pt_BR
dc.subject	Recommandation de projets	pt_BR
dc.subject	Algoritmos de learning to rank	pt_BR
dc.subject	GitHub	pt_BR
dc.subject	Algoritmo LambdaMART	pt_BR
dc.subject	Algorithme LambdaMART	pt_BR
dc.subject	LambdaMART algorithm	pt_BR
dc.subject	Algoritmos de aprender a clasificar	pt_BR
dc.subject	Learning to rank algorithms	pt_BR
dc.subject	Algoritmo Random Forest	pt_BR
dc.subject	Random Forest Algorithm	pt_BR
dc.subject	Algorithme de forêt aléatoire	pt_BR
dc.subject	Algoritmo Coordinate Ascent	pt_BR
dc.subject	Algorithme d’ascension de coordonnées	pt_BR
dc.subject	Coordinate Ascent Algorithm	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.creator	NASCIMENTO, Dayvson Weslley Cantalice do.
dc.publisher	Universidade Federal de Campina Grande	pt_BR
dc.language	por	pt_BR
dc.title.alternative	Applying learning algorithms to rank over features on github for project recommendation.	pt_BR
dc.identifier.citation	NASCIMENTO, D. W. C. do. Aplicando algoritmos de learning to rank sobre features no github para recomendação de projetos. 10 f. Trabalho de Conclusão de Curso - Artigo (Curso de Bacharelado em Ciência da Computação) Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2020. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20120	pt_BR