Algoritmo de classificação de especialistas em áreas na base de currículos Lattes

Autores

  • Fellipe de Melo Chagas Universidade de São Paulo
  • José de Jésus Pérez-Alcázar Universidade de São Paulo
  • Luciano Antonio Digiampietri Universidade de São Paulo

DOI:

https://doi.org/10.19132/1808-5245212.119-139

Palavras-chave:

Localização de especialistas. Currículos Lattes. Análise de Redes Sociais. Recuperação da informação.

Resumo

Este trabalho propõe um algoritmo para construir um ranking de especialistas na base de currículos Lattes. Para isto, foi elaborado um algoritmo composto por três estágios de processamento: Score Alfa, que analisa os títulos dos documentos baseado na ontologia definida para selecionar os assuntos e importâncias destes assuntos para cada publicação; Score Beta, que analisa a qualidade das publicações utilizando conceitos definidos pela CAPES para beneficiar produções publicadas em veículos mais importantes; e Score Propagated, que analisa a importância de estar bem conectado a demais pesquisadores especialistas propagando o conhecimento obtido. Para o teste de precisão do algoritmo, utilizaram-se dados reais da área de Nanotecnologia.

Downloads

Não há dados estatísticos.

Biografia do Autor

Fellipe de Melo Chagas, Universidade de São Paulo

Fellipe de Melo Chagas é graduando no Bacharelado em Sistemas de Informação da Universidade de São Paulo.

José de Jésus Pérez-Alcázar, Universidade de São Paulo

José de Jésus Pérez Alcázar possui graduação em Ingeniería de Sistemas y Computación - Universidad de Los Andes (1983), mestrado em Ciência da Computação pela Universidade Federal de Minas Gerais (1988) e doutorado em Informática pela Pontifícia Universidade Católica do Rio de Janeiro (1995). Atualmente é professor-doutor ms3 da Universidade de São Paulo. Tem experiência na área de Ciência da Computação, com ênfase em Banco de Dados e Inteligência Artificial, atuando principalmente nos seguintes temas:web semântica, serviços web semânticos, web, sistemas multiagentes, tecnologia de informação e planejamento estratégico de tecnologia de informação.

Luciano Antonio Digiampietri, Universidade de São Paulo

Desde abril de 2008 Luciano Antonio Digiampietri é professor em RDIDP no curso de Sistemas de Informação da Escola de Artes Ciências e Humanidades (EACH) da Universidade de São Paulo (USP). Possui Doutorado em Ciência da Computação pela Universidade de Campinas (UNICAMP) e é Bacharel em Ciência da Computação pela UNICAMP.

Referências

ALUISIO, S. M. et al. Desenvolvimento de uma estrutura conceitual (ontologia) para área de nanociência e nanotecnologia. 2005. Relatório Científico. Instituto de Ciências Matemáticas e de Computação (ICMC), Universidade de São Paulo, São Carlos, 2005.

BAEZA-YATES, R.; RIBEIRO NETO, B. Modern Information Retrieval. New York: ACM Press, 1999.

BALOG, K. et al. Formal models for expert finding in enterprise corpora. In: ANNUAL INTERNATIONAL ACM SIGIR CONFERENCE ON RESEARCH AND DEVELOPMENT IN INFORMATION RETRIEVAL, 29., 2006, Seatle, USA, Proceedings… Seatle, 2006. p. 43-50.

BRASIL. Ministério da Ciência, Tecnologia e Inovação. Portal da inovação. Disponível em: <http://www.portalinovacao.mct.gov.br/>. Acesso em: 10 jan. 2013.

BRIN, S.; PAGE, L. The anatomy of a large-scale hypertextual web search engine. In: INTERNATIONAL CONFERENCE ON WORLD WIDE WEB (WWW’98), 7., 1998, Brisbane, Australia, Proceedings… Brisbane, 1998. p. 107-117.

CAMPBELL, C.S. et al. Expertise identification using email communications. In: INTERNATIONAL CONFERENCE ON INFORMATION AND KNOWLEDGE MANAGEMENT, 12., 2003, New Orleans, USA. Proceedings… New Orleans, 2003.

DIGIAMPIETRI, L. A. et al. Minerando e caracterizando dados de currículos lattes. In: BRAZILIAN WORKSHOP ON SOCIAL NETWORK ANALYSIS AND MINING (BRASNAM), 2., 2012, Curitiba. Proceedings… Curitiba, 2012.

DIGIAMPIETRI, L. A. et al. BraX-Ray: an X-Ray of the Brazilian Computer Science Graduate Programs. PLoS ONE, v. 9, n. 4, p. e94541, 2014.

DOM, B. et al. Graph-based ranking algorithms for e-mail expertise analysis. In: ACM SIGMOD WORKSHOP ON RESEARCH ISSUES IN DATA MINING AND KNOWLEDGE DISCOVERY, 8., 2003, San Diego, USA. Proceedings… San Diego, 2003. p. 42-48.

FREITAS, C. M. D. S. et al. Extração de conhecimento e análise visual de redes sociais. In: SEMINÁRIO INTEGRADO DE SOFTWARE E HARDWARE (SEMISH), 33., 2008, Belém. Proceedings… Belém, 2008. p. 108.

HAN, J.; KAMBER, M. Data mining: concepts and techniques. Burlington: Morgan Kaufmann, 2001.

JANEV, V. et al. Semantic web based integration of knowledge resources for expertise finding. International Journal of Enterprise Information Systems, Philadelphia, v. 5, n. 4, p. 53-71, 2009.

KLEINBERG, J. M. Authoritative sources in a hyperlinked environment. Journal of the ACM, New York, v. 46, n. 5, p. 604-632, 1999.

KRULWICH, B.; BURKEY, C. Contactfinder agent: answering bulletin board questions with referrals. In: NATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE, 13., 1996, Portland, USA. Proceedings… Portland, 1996.

LAPPAS, T.; LIU, K.; TERZI, E. A survey of algorithms and systems for expert location in social networks. In: AGGARWAL, C. C. (Org.). Social network data analytics. Berlin: Springer Verlag, 2011. p. 215-241.

MARROCCO, C. et al. A linear combination of classifiers via rank margin maximization. In: JOINT IAPR INTERNATIONAL CONFERENCE ON STRUCTURAL, SYNTACTIC, AND STATISTICAL PATTERN RECOGNITION, 20., 2010, Cesme, Turkey. Proceedings… Cesme, 2010. p. 650-659.

MAYBURY, M. T. Expert finding systems. Nov. 2006. Technical paper, The MITRE Corporation. p. 1-35. Disponível em: <http://www.mitre.org/publications/technical-papers/expert-finding-systems>. Acesso em: 10 jan. 2013.

PAGE, L. et al. The pagerank citation ranking: bringing order to the web. 1998. Technical Report Computer Science. Stanford: University of Stanford, 1998.

SALTON, G.; MCGILL, M. J. Introduction to modern information retrieval. New York: McGraw-Hill, 1983.

STAAB, S.; STUDER, R. (Org.). Handbook on ontologies. 2. ed. Berlin: Springer Verlag, 2009.

STANKOVIC, M. Open innovation and semantic web: problem solver search on linked data. In: INTERNATIONAL SEMANTIC WEB CONFERENCE (ISWC), 7., 2010, Shanghai, China. Proceedings… Shanghai, 2010.

TAX, D.M.J. et al. Comparison between product and mean classifier combination rules. In: WORKSHOP ON STATISTICAL PATTERN RECOGNITION, 1., 1997, Prague, Czech Republic. Proceedings… Prague, 1997.

WANG, L. et al. A cascade ranking model for efficient ranked retrieval. In: INTERNATIONAL ACM SIGIR CONFERENCE ON RESEARCH AND DEVELOPMENT IN INFORMATION RETRIEVAL, 34., 2011, Beijing, China, Proceedings… Beijing, 2011. p. 105-114.

WANG, G. A. et al. Expertrank: a topic-aware expert finding algorithm for online knowledge communities. Decision Support Systems, Amsterdam, v. 54, p. 1442-1445, 2013.

WU, S. Linear combination of component results in information retrieval. Data & Knowledge Engineering, Amsterdam, v. 71, n. 1, p. 114-126, 2011.

ZHANG, J. et al. Expert finding in a social network. In: INTERNATIONAL CONFERENCE ON DATABASE SYSTEMS FOR ADVANCED APPLICATIONS (DASFAA) 12., 2007, Bangkok, Thailand. Proceedings… Berlin: Springer, 2007, p. 1066-1069.

Downloads

Publicado

2015-09-17

Como Citar

CHAGAS, F. de M.; PÉREZ-ALCÁZAR, J. de J.; DIGIAMPIETRI, L. A. Algoritmo de classificação de especialistas em áreas na base de currículos Lattes. Em Questão, Porto Alegre, v. 21, n. 2, p. 119–139, 2015. DOI: 10.19132/1808-5245212.119-139. Disponível em: https://seer.ufrgs.br/index.php/EmQuestao/article/view/52652. Acesso em: 28 mar. 2024.

Edição

Seção

Artigo

Artigos mais lidos pelo mesmo(s) autor(es)