Pres

Indexacao de Documentos e Grafos de Coautoriano Ambito da BDBComp

Apresentacao Final

Anderson Luis da Silva Freitas

Universidade Federal de Minas Gerais

28 de junho de 2013

Anderson Luis da Silva Freitas Indexacao de Documentos e Grafos de Coautoria no Ambito da BDBComp

Contextualizacao

A BDBComp e uma plataforma que permite a pesquisa pordados e metadados referentes a autores, trabalhos, eventos eperiodicos em computacao no cenario nacional.

Atualmente, existem registros mais de 17.868 autores, 427 edicoesde eventos, 54 edicoes de periodicos e de mais de 13.374 tra-balhos publicados.

Estes dados aumentam a medida em que novos eventos e/ouperiodicos sao incluıdos, trazendo consigo novos trabalhos eautores para o repositorio da BDBComp.

Consulta desses dados esta disponıvel atraves da aplicacao webda BDBComp.


Motivacao

A BDBComp possui o objetivo nao so de servir como repositoriomas tambem de tornar a recuperacao de seus dados algo efici-ente e eficaz.

Da mesma maneira, e necessario que a interacao do usuariocom a plataforma seja agradavel e de facil manuseio.


Problemas Atuais

Nomes de citacao ambıguos referenciam uma mesma pessoa.

Os mecanismos de pesquisa realizam apenas buscas por subs-trings.

Nao existe nenhuma forma de filtrar os resultados em mais deum campo.

A listagem atual de eventos, periodicos e trabalhos e inflexıvel.

Um autor deveria ser capaz de visualizar sua rede de coautoria.

A pagina de um evento, periodico ou autor poderia indicar ostermos mais citados em seu domınio.

A interface WEB possui layouts inconsistentes e pouco ergonomicos.


O Problema dos Nomes de Citacao

Um autor pode possuir mais de um nome de citacao. Exemplo:Mirella M. Moro, Mirella Moura Moro e Mirella Moro.

No sistema atualmente em producao cada um desses nomes decitacao possui sua propria pagina de autor.

Problema: Para visualizar todas as suas publicacoes na BDB-Comp, um autor com N nomes de citacao deve acessar todasas N paginas.

Solucao: Utilizar os resultados gerados pelo desambiguador denomes desenvolvido no DCC para criar uma unica pagina deautor onde serao associados todos os resultados.

Resultado: A busca por autores agora gera apenas seu nomedesambiguado como resultado e qualquer dos seus nomes decitacao aponta para uma mesma pagina de autor.


O Problema da Pesquisa por Termos

No sistema em producao, a busca por autores, eventos, periodicose trabalhos e realizada diretamente no banco de dados viafuncao LIKE %termo%.

ProblemasRetorna os resultados onde o termo buscado seja sua substringNao realiza pesquisas que envolvam mais de um campo.Resultados irrelevantes possuem mesmo peso que os relevantes.

SolucaoDesacoplar a logica de busca do banco de dados e delega-la aum indexador de documentos.


O Problema da Pesquisa por Termos

ResultadosA busca por um nome de autor, evento, periodico ou tıtulode trabalho e realizada por termos exatos ou aproximados eos resultados sao ordenados segundo seus graus de similaridadecom os termos da busca (score).Um campo de busca avancada foi adicionado a aplicacao. Numamesma linha e possıvel buscar por trabalhos segundo os nomesde autor, de citacao, tıtulos de eventos e periodicos, datas depublicacao e conteudo.No momento da indexacao de um documento, se o artigo com-pleto se encontra disponıvel na web, entao o indexador adicionaseu conteudo ao ındice e o torna buscavel.


Busca por Autor


Busca Avancada


O Problema da Listagem de Trabalhos


O Problema da Listagem de Trabalhos - Solucao


Demais Melhorias

Nuvem de termosGerada a partir de tıtulos e abstracts de trabalhos.Exclusao de stopwords em ingles e portugues.Cada expressao e composta por um a quatro termos.Algumas heurısticas sao utilizadas para tentar extrair termoscom maior valor semantico

Lista de autores e coautoresTodo evento ou periodico lista todos os autores seguidos donumero de trabalhos publicados por estes.Todo autor lista todos os seus coautores seguidos do numero detrabalhos em comum.

Lista de eventos e periodicosAs paginas destinadas a listar os eventos e periodicos agoraoferecem duas opcoes de ordenamento: por ano e por nome.

Padronizacao do layout das paginasUtilizacao de cores e formatacao mais descritivos e consistentesentre todas as paginas.


Pagina de Autor Modificada


Validacao e Progresso

Todos os layouts e mecanismos de busca e listagem de dadosforam validados por professores do Laboratorio de Bancos deDados da UFMG.

A aplicacao esta sendo implantada em maquinas do DCC paravalidacao de outros usuarios antes que venha a substituir defi-nitivamente a aplicacao web da BDBComp disponıvel em:http://www.lbd.dcc.ufmg.br/bdbcomp/


Conclusoes

No que concerne as melhorias nos mecanismos de busca e de-sambiguacao, esperamos ter demonstrado a dimensao dos pro-blemas postos e o valor das solucoes apresentadas.

Adicionalmente, acreditamos que nossa contribuicao tenha al-cancado o objetivo de tornar a interface web da BDBCompum ambiente mais intuitivo de busca por dados relacionados atrabalhos da computacao brasileira.


Documents

Pres