Guilherme Aparecido Gregorio

  • Endereço para acessar este CV: http://lattes.cnpq.br/8804992141975078
  • Última atualização do currículo em 11/06/2018


Tem experiência na área de Ciência da Computação, com ênfase em Ciência da Computação, atuando principalmente nos seguintes temas: bibliotecas digitais, ambiguidade de nomes de autores, aprendizado de máquina, desambiguação de nomes, inteligência computacional, sistemas de recomendação, mineração de dados e recuperação de informação. (Texto informado pelo autor)


Identificação


Nome
Guilherme Aparecido Gregorio
Nome em citações bibliográficas
GREGORIO, G. A.


Formação acadêmica/titulação


2013
Graduação em andamento em Ciência da Computação.
Universidade Federal de Ouro Preto, UFOP, Brasil.
2007 - 2009
Ensino Médio (2º grau).
Escola Estadual Padre Afonso de Lemos, EEPA, Brasil.




Atuação Profissional



Universidade Federal de Ouro Preto, UFOP, Brasil.
Vínculo institucional

2016 - 2017
Vínculo: , Enquadramento Funcional:



Projetos de pesquisa


2017 - 2018
Um framework para validação de sistemas de recomendação de jornais onlines.
Descrição: Recomendar itens, tais como produtos, informações ou serviços a um usuário na Internet é um dos maiores desafios no mundo virtual, devido a grande quantidade de conteúdo disponível. Os usuários não tem tempo para e ver todos os itens disponíveis, de modo que a apresentação de itens em destaque pode fazer a diferença entre conquistar o usuário ou perdê-lo. Um sistema de recomendação sugere novos itens aos usuários a partir das suas características, dos conteúdos dos itens e da experiência geral de todos os usuários. O princípio fundamental é descobrir os padrões e correlações, de forma a explicitar as preferências dos usuários e identificar quais os itens de seu interesse que ainda não foram vistos. No contexto de jornais online, está à disposição do usuário informações acerca de assuntos variados. Os usuários possuem perfis diversos, alguns com interesses bem focados, enquanto outros leem notícias de assuntos bem variados. Numa sessão de leituras, normalmente, o assunto do primeiro artigo depende do que o usuário procura inicialmente. A leitura seguinte é comumente realizada a partir das recomendações ou links disponíveis no layout do site, gerando assim um histórico de leituras. Os jornais online utilizam de sistemas de recomendação para sugerir artigos relevantes a seus usuários, almejando que estes permaneçam mais tempo em seus domínios. A recomendação de notícias online tem aspectos específicos, em comparação a outros domínios, incluindo o conteúdo altamente dinâmico do banco de dados, demanda por itens sempre novos e mudanças na preferência do usuário. Novos itens são constantemente criados, contudo, os usuários interagem com uma pequena fração das notícias disponíveis, pois essa se torna rapidamente desatualizada e desinteressante. Na literatura, há diversas propostas de sistemas de recomendação para jornais onlines. Elas se diferem pelas abordagens adotadas, mas todas precisam se adaptar ao alto dinamismo dos dados de jornais online. Cada proposta é normalmente testada em bases de dados reais, e validadas com experimentos que simulam a dinâmica de leitura dos usuários dos jornais. Este projeto visa criar um framework para validar propostas de algoritmos já existentes, avaliando os diferentes algoritmos para demonstrar quais são mais eficazes. Será investigada a dinâmica que os jornais onlines possuem para a criação de um framework que simula o processo do mundo real, desde a disponibilização contínua de novos conteúdos pelos jornais, à leitura dos artigos pelos usuários..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) / Doutorado: (2) .
Integrantes: Guilherme Aparecido Gregorio - Integrante / Anderson Almeida Ferreira - Coordenador / Bráulio Miranda Veloso - Integrante.
2016 - 2017
Investigação de estratégias para utilização apenas da fase não supervisionada em desambiguadores híbridos de auto-treinamento
Descrição: O problema da ambiguidade em bibliotecas de publicações online ocorre devido ao fato de um nome referenciar pessoas distintas ou nomes distintos referenciarem a mesma pessoa. Os algoritmos mais promissores para resolver esse problema são algoritmos que utilizam técnicas supervisionadas de aprendizado, no entanto, necessitam de exemplos rotulados manualmente. Visando minimizar essa rotulagem manual, há propostas de algoritmos que tentam rotular automaticamente os exemplos por meio de aplicação de técnicas não supervisionadas e posteriormente a supervisionada, são chamados de desambiguadores híbridos de auto-treinamento. O algoritmo desambiguador híbrido base usado neste trabalho foi o SAND(Self-training Author Name Disambiguator), que é uma abordagem baseada em dois passos. Onde o primeiro passo é o não-supervisionado e o segundo supervisionado..
Situação: Concluído; Natureza: Pesquisa.
Alunos envolvidos: Graduação: (1) / Doutorado: (2) .
Integrantes: Guilherme Aparecido Gregorio - Integrante / Anderson Almeida Ferreira - Coordenador / Guilherme Tavarez de Assis - Integrante.


Áreas de atuação


1.
Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação.


Idiomas


Inglês
Compreende Pouco, Fala Pouco, Lê Razoavelmente, Escreve Pouco.


Produções



Produção bibliográfica
Apresentações de Trabalho
1.
GREGORIO, G. A.; FERREIRA, A. A. ; Guilherme Tavarez de Assis . Investigação de estratégias para utilização apenas da fase não supervisionada em desambiguadores híbridos de auto-treinamento. 2017. (Apresentação de Trabalho/Seminário).




Página gerada pelo Sistema Currículo Lattes em 16/10/2018 às 20:48:48