Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Silva, Elisandra Aparecida Alves da
Data de Publicação: 2001
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22012018-143244/
Resumo: Com avanço da World Wide Web (WWW) ocorreu um aumento significativo em desenvolvimento de hiperdocumentos Web (websites). Esse desenvolvimento, no entanto, tem se mostrado sujeito a muitos \"erros\", que em geral são atribuídos à manipulação de um grande número de nós e links. Tentando diminuir esses erros em potencial, muitos trabalhos têm proposto diferentes soluções para auxiliar a avaliação de hiperdocumentos e a aplicação de métricas se apresenta como uma possível abordagem, seguindo os preceitos de Engenharia de Software. Por sua vez, as métricas, em geral, são de difícil interpretação por parte dos webmasters. Assim, neste trabalho investigamos a abordagem de aplicação de métricas a websites contando com auxílio de técnicas de Aprendizado de Máquina (AM). Estas técnicas têm sido utilizadas em uma variedade de tarefas no contexto Web, tais como auxiliar os usuários em suas pesquisas, aprendizado relacionado aos interesses do usuário, extração de informações, entre outras. Este trabalho visa, através do suporte de técnicas de AM, auxiliar a abordagem de análise de métricas de websítes.
id USP_b1cf67c15c93c825d7f54063f24f9cec
oai_identifier_str oai:teses.usp.br:tde-22012018-143244
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquinaNot availableNão disponívelNot availabeCom avanço da World Wide Web (WWW) ocorreu um aumento significativo em desenvolvimento de hiperdocumentos Web (websites). Esse desenvolvimento, no entanto, tem se mostrado sujeito a muitos \"erros\", que em geral são atribuídos à manipulação de um grande número de nós e links. Tentando diminuir esses erros em potencial, muitos trabalhos têm proposto diferentes soluções para auxiliar a avaliação de hiperdocumentos e a aplicação de métricas se apresenta como uma possível abordagem, seguindo os preceitos de Engenharia de Software. Por sua vez, as métricas, em geral, são de difícil interpretação por parte dos webmasters. Assim, neste trabalho investigamos a abordagem de aplicação de métricas a websites contando com auxílio de técnicas de Aprendizado de Máquina (AM). Estas técnicas têm sido utilizadas em uma variedade de tarefas no contexto Web, tais como auxiliar os usuários em suas pesquisas, aprendizado relacionado aos interesses do usuário, extração de informações, entre outras. Este trabalho visa, através do suporte de técnicas de AM, auxiliar a abordagem de análise de métricas de websítes.With the widespread of the World-Wide-Web there was a significant increase in development of Web hyperdocuments (websites). This development, however, has been shown to be an error-prone activity due (o the manipulation of large amount of nodes and links. In order to reduce the errors, several essays have proposed different solutions to help evaluating hyperdocuments and according to Software Engineering theories, metrics usage can be an useful one. But the metrics generally are difficult to be understood by the webmasters. Thus, we propose an approach that considers metrics usage in websites regarding to the support of Machine Learning techniques. The techniques have been used in a variety of Web context tasks, including learning to assist users in searches, learning information extractors, learning user interests, and others. This work focuses on helping the analysis of website metrics using the support of Machine Learning techniques.Biblioteca Digitais de Teses e Dissertações da USPFortes, Renata Pontin de MattosSilva, Elisandra Aparecida Alves da2001-09-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/55/55134/tde-22012018-143244/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2018-07-19T20:50:39Zoai:teses.usp.br:tde-22012018-143244Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212018-07-19T20:50:39Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina
Not available
title Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina
spellingShingle Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina
Silva, Elisandra Aparecida Alves da
Não disponível
Not availabe
title_short Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina
title_full Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina
title_fullStr Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina
title_full_unstemmed Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina
title_sort Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina
author Silva, Elisandra Aparecida Alves da
author_facet Silva, Elisandra Aparecida Alves da
author_role author
dc.contributor.none.fl_str_mv Fortes, Renata Pontin de Mattos
dc.contributor.author.fl_str_mv Silva, Elisandra Aparecida Alves da
dc.subject.por.fl_str_mv Não disponível
Not availabe
topic Não disponível
Not availabe
description Com avanço da World Wide Web (WWW) ocorreu um aumento significativo em desenvolvimento de hiperdocumentos Web (websites). Esse desenvolvimento, no entanto, tem se mostrado sujeito a muitos \"erros\", que em geral são atribuídos à manipulação de um grande número de nós e links. Tentando diminuir esses erros em potencial, muitos trabalhos têm proposto diferentes soluções para auxiliar a avaliação de hiperdocumentos e a aplicação de métricas se apresenta como uma possível abordagem, seguindo os preceitos de Engenharia de Software. Por sua vez, as métricas, em geral, são de difícil interpretação por parte dos webmasters. Assim, neste trabalho investigamos a abordagem de aplicação de métricas a websites contando com auxílio de técnicas de Aprendizado de Máquina (AM). Estas técnicas têm sido utilizadas em uma variedade de tarefas no contexto Web, tais como auxiliar os usuários em suas pesquisas, aprendizado relacionado aos interesses do usuário, extração de informações, entre outras. Este trabalho visa, através do suporte de técnicas de AM, auxiliar a abordagem de análise de métricas de websítes.
publishDate 2001
dc.date.none.fl_str_mv 2001-09-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22012018-143244/
url http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22012018-143244/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257259334172672

Registros relacionados