Sistema de Recomendação para Trabalhos Científicos Produzidos pela UEPB

Abstract

Com o crescimento exponencial de dados na internet, encontrar informações relevantes tornou-se um desafio cada vez maior. Essa problemática se estende ao ambiente acadêmico, na qual a quantidade de artigos gerados em conferências e simpósios é vasta. Diante desse cenário, este estudo propõe o desenvolvimento e avaliação de um sistema de recomendação de trabalhos acadêmicos. Utilizando o repositório online da UEPB como base, o trabalho combina técnicas de Processamento de Linguagem Natural, Aprendizado de Máquina e Filtragem Baseada em Conteúdo para aprimorar a descoberta de artigos relevantes para estudantes e pesquisadores. O procedimento envolveu a coleta de dados por meio de web scraping, seguida de pré-processamento, incluindo a remoção de stopwords e lematização. Além disso, o estudo analisou diversas técnicas, como similaridade de Cossenos, similaridade de Jaccard, o modelo BERT, BM25 e ChatGPT. Essas técnicas foram aplicadas e avaliadas com o propósito de identificar a combinação mais eficaz de métodos e algoritmos.