Atividade 1 Correção - Unisinos

professor.unisinos.br

Atividade 1 Correção - Unisinos

Atividade 1

Correção

Profa. Patrícia Jaques Maillard

UNISINOS

http://professor.unisinos.br/pjaques/

1


Resumo

• O resumo deve conter de 100 a 500 palavras.

• Em um único parágrafo

• No resumo não deve haver citações

• Última seção do texto a ser escrita

• Veja a seguir uma sugestão de organização de (MOURA, 2011a). Sugestão

(uma a três linhas para cada item):

• Contexto geral e específico

• Questão/problema sendo investigado (Propósito do trabalho)

• Estado-da-arte (Por que precisa de uma solução nova/melhor)

• Solução

• Nome da proposta

• Metodologia básica sem detalhes

• Quais características respondem as questões iniciais

• Interpretação dos resultados

• Conclusões

2


Resumo 1

Estado-daarte

e

(Problema)

Objetivo

(trabalho

proposto)

Resultados

Contexto

e motivação

• Many computer scientists consider sorting the most

fundamental problem in algorithms. Traditional

algorithms, such as Insertion Sort, Selection Sort and Bubble

Sort, have quadratic complexity - Θ(n 2 ). In this paper, we

propose the Heapsort, a comparison-based sorting

algorithm. Heapsort inserts the input list elements into a

heap data structure and elementary implementations

require two arrays - one to hold the heap and one to hold

the sorted elements. Although we can classify Heapsort

as part of the selection sort algorithm, it has an

impressive worst-case runtime of Θ(n log n). Indeed, our

experiments show a considerable performance gain when

comparing Heapsort against the traditional algorithms

over different datasets.

3


Resumo 2

• Exemplo 1 (SANTOS et al 2008 apud MORO, 2011a):

• CONTEXTO: A Web é abundante em páginas que armazenam dados de forma

implícita. PROBLEMA: Em muitos casos, estes dados estão presentes em textos

semiestruturados sem a presença de delimitadores explícitos e organizados em uma

estrutura também implícita. OBJETIVO: Este artigo apresenta uma nova

abordagem para extração em textos semi-estruturados baseada em Modelos de

Markov Ocultos (Hidden Markov Models - HMM). ESTADO-DA-ARTE e

MÉTODO PROPOSTO: Ao contrário de outros trabalhos baseados em HMM, a

abordagem proposta dá ênfase à extração de metadados, além dos dados

propriamente ditos. Esta abordagem consiste no uso de uma estrutura aninhada de

HMMs, onde um HMM principal identifica os atributos no texto e HMMs internos,

um para cada atributo, identificam os dados e metadados. Os HMMs são gerados a

partir de um treinamento com uma fração de amostras da base a ser extraída.

RESULTADOS: Os experimentos realizados com anúncios de classificados

retirados da Web mostram que o processo de extração alcança qualidade acima de

0,97 com a medida F, mesmo se esta fração de treinamento é pequena.

• Palavras-Chave: Mineração de textos. Modelos de Markov Ocultos. Extração de

textos.

4


Resumo 3

• CONTEXTO e PROBLEMA: Finding useful patterns in large datasets has attracted

considerable interest recently, and one of the most widely studied problems in this

area is the identification of clusters, or densely populated regions, in a multidimensional

dataset.

ESTADO-DA-ARTE: Prior work does not adequately address the problem of large

datasets and minimization of I/O costs. SOLUÇÃO: This paper presents a data

clustering method named BIRCH (Balanced Iterative Reducing and Clustering using

Hierarchies), and demonstrates that it is especially suitable for very large databases.

MÉTODO PROPOSTO: BIRCH incrementally and dynamically clusters incoming

multi-dimensional metric data points to try to produce the best quality clustering

with the available resources (i.e., available memory and time constraints).

VANTAGENS: BIRCH can typically find a good clustering with a single scan of the

data, and improve the quality further with a few additional scans. BIRCH is also the

first clustering algorithm proposed in the database area to handle “noise” (data

points that are not part of the underlying pattern) effectively.

RESULTADOS: We evaluate BIRCH’s time/space efficiency, data input order

sensitivity, and clustering quality through

severalexperiments.Wealsopresentaperformance comparisons of BIRCH versus

CLARANS, a clustering method

proposedrecentlyforlaergedatasets,andshowthatBIRCHis consistently superior.

[ ZHANG et al – SIGMOD 1996 ]

5


Onde saber mais

• Os artigos e links abaixos são boas fontes iniciais para aprender mais sobre a escrita

de artigo

• HEXSEL, R. Pequeno Manual da Escrita Técnica. Disponível em: . Acesso em: 1 maio 2011.

• MAILLARD, N. Escrever monografias e artigos científicos. Disponível em: . Acesso em: 1 maio 2011.

• MORO, M. A arte de escrever artigos científicos. Disponível em: . Acesso em: 1 maio

2011a.

• MORO, M. A arte de escrever artigos científicos. Disponível em: . Acesso em: 1 maio 2011b.

• TEIXEIRA, M. lattes2latex: Uma Ferramenta para Conversão de Currículos Lattes

em Documentos LATEX. 2009. 82 f. Trabalho de Conclusão de Curso (Bacharel em

Ciência da Computação). Instituto de Informática. Universidade Federal do Rio

Grande do Sul, Porto Alegre, RS, 2009.

• UNISINOS. Guia para Elaboração de Trabalhos Acadêmicos. Disponível em:

. Acesso em: 1 maio 2011.

• Essa apresentação foi baseada nas obras citadas acima.

6

More magazines by this user
Similar magazines