Agenda de defesas Agenda de defesas

Voltar

Ciência da Computação realiza defesas esta semana

Confira os temas, datas e horários das defesas, sendo uma de mestrado e uma de doutorado

O Programa de Pós-Graduação em Ciência da Computação da Universidade Federal de Pernambuco (UFPE) realiza várias defesas esta semana, sendo duas de mestrado e três de doutorado. Confira os temas, datas e horários:

Mestrado

Aluna: Débora da Conceição Araújo
Orientador: professor Leandro Maciel Almeida
Título: “Avaliação de Comitês com Classificadores Tradicionais e Profundos para Análise de Sentimentos”
Data: 20/02
Hora/Local: 9h – Centro de Informática
Banca examinadora:
Paulo Salgado Gomes de Mattos Neto (UFPE/Centro de Informática)
João Fausto Lorenzato de Oliveira (UPE/Escola Politécnica de Pernambuco)
Leandro Maciel Almeida (UFPE/Centro de Informática)

Resumo

Análise de Sentimentos é o problema que explora documentos escritos em linguagem natural visando classificá-los em polaridades de sentimentos (classes) pré-estabelecidas. Os algoritmos Naive Bayes e Suport Vector Machine estão frequentemente associados a este tipo de tarefa, porém, estes classificadores apontam para um problema eminente quando se trata da análise de sentimentos em um universo não binário de classes. Classificadores de aprendizado profundo, do inglês deep learning, aparecem cada vez mais na literatura como alternativa aos modelos tradicionais de aprendizado de máquina. Diante disto, esta pesquisa apresenta uma avaliação de desempenho entre métodos de aprendizado de máquina tradicional, métodos de aprendizado profundo e comitês de classificadores que combinam as duas abordagens. Os comitês construídos fazem uso de modelos de aprendizado profundo com um menor número de épocas de treinamento, a intenção foi desenvolver modelos com menor tempo de execução sem perder em acurácia, devido ao conhecimento dos demais modelos combinados. Para avaliar o desempenho das diferentes abordagens, foram utilizadas cinco bases de dados: Stanford Sentiment Treebank, IMDb Review, Yelp 2013, Yelp 2014 e Yelp 2015. O desempenho dos modelos foram avaliados através de um conjunto de métricas e técnicas estatísticas. Com base nos resultados obtidos, é possível inferir que os algoritmos de aprendizado profundo e os comitês alcançaram desempenhos médios estatisticamente superiores em relação aos algoritmos de aprendizado de máquina tradicional. Apesar do maior desempenho, vale salientar que os comitês e os modelos de aprendizado profundo possuem tempo de treinamento muito superior em relação aos algoritmos tradicionais.

Aluno: Ivan Valentim Santos
Orientador: professor Ricardo Bastos Cavalcante Prudêncio
Título: “AVS: Uma Ferramenta para Mitigação de Duplicação de Relatórios de Erros em Empresas de Desenvolvimento Mobile”
Data: 22/02
Hora/Local: 8h – Centro de Informática – sala D224
Banca examinadora:
Bernadette Farias Lóscio (UFPE/Centro de Informática)
Renato Fernandes Corrêa (UFPE/Departamento de Ciência da Informação)
Ricardo Bastos Cavalcante Prudêncio (UFPE/Centro de Informática)

Resumo

A adoção de sistemas de gerenciamento de relatórios de erros é algo fundamental em empresas de software durante o processo de produção/teste. Os tipos de informação e a grande quantidade de dados armazenados nesses sistemas levam a desafios que dificultam na produtividade dos processos relacionados à eficiência do rastreamento dos dados, como, por exemplo, a presença de relatórios de erros duplicados. Estudos demonstram que a quantidade de relatórios de erros duplicados pode afetar diretamente na produtividade de uma empresa. Idealmente, um relatório de erro duplicado deve ser identificado antes de ser criado por testadores. Em alguns casos, os gerenciadores de relatórios de erros são apontados como responsáveis por parte desse problema, devido às limitações existentes em seus sistemas de busca. Esta dissertação tem como propósito investigar abordagens e técnicas que possam contribuir para mitigação dos altos índices de relatórios de erros duplicados. Para tal, desenvolvemos a AVS (Automatic Versatile Search tool), uma ferramenta de buscas que contribui para a identificação de relatórios de erros com base em técnicas de Recuperação de Informações e Mineração de Texto, visando diminuir a ocorrência de relatórios duplicados. Como prova de conceito, implementamos a AVS no contexto do Centro de Teste da Motorola (CTM) no Centro de Informática da UFPE. Toda pesquisa por um relatório de erro candidato a ser aberto é pré-processada. Então, a semelhança entre a busca (i.e., representada por um resumo de um erro candidato a ser um novo relatório) e os relatórios disponíveis no banco de dados é calculada, gerando uma lista de relatórios anteriores ranqueada por similaridade. No final, os relatórios de erros são divididos em grupos, onde seus dados são relacionados de acordo com as semelhanças entre suas sentenças ou palavras chaves, visando produzir um processo mais avançado de identificação de potenciais duplicações. Após experimentos realizados, foi constatada a utilidade da ferramenta principalmente com relação a ganhos de precisão e agilidade do processo de buscas, o que consequentemente, colaborou para melhoria na produtividade do processo.

Doutorado

Aluno: Julio Venâncio de Menezes Júnior
Orientador: professor Hermano Perrelli de Moura
Coorientador: professora Cristine Martins Gomes de Gusmão (Engenharia Biomédica/UFPE)
Título: “Measuring Risks in Software Development Projects”
Data: 20/02
Hora/Local: 9h – Centro de Informática - auditório
Banca examinadora:
Alexandre Marcos Lins de Vasconcelos (UFPE/Centro de Informática)
Sergio Castelo Branco Soares (UFPE/Centro de Informática)
Ricardo de Almeida Falbo (Ufes/Departamento de Informática)
Carlos Eduardo Sanches da Silva (Unifei/Instituto de Engenharia de Produção e Gestão)
José Gilson de Almeida Teixeira Filho (UFPE/Ciências Administrativas)

Resumo

Existe um consenso de que fatores adversos mal gerenciados levam a falhas em projetos. O risco é parte inerente de qualquer projeto. Em outras palavras: gerenciando ou não, os riscos sempre estão presentes e podem causar problemas que levam os projetos ao fracasso ou a uma má performance. Em projetos de desenvolvimento de software este cenário não é diferente. Contudo, as práticas gerenciamento de riscos em projetos de desenvolvimento de software mais conhecidas envolvem um alto nível de subjetividade, dificultando na percepção da real noção dos impactos não só das práticas de gerenciamento de riscos, como também da influência dos riscos nos projetos. Uma possível alternativa para a redução desta lacuna é por meio de abordagens baseadas em medição. Neste sentido, indicadores constituem instrumento relevante para a avaliação de projetos e para a tomada de decisões, uma vez que são utilizados para representação da informação de forma clara e objetiva. Dentro deste contexto, objetivo desta tese foi desenvolver estudos em medição de riscos em ambientes de desenvolvimento de software e propor e avaliar um indicador, chamado Project Risk Index, cujo objetivo é medir o nível de risco de um projeto de desenvolvimento de software em um dado momento. Este indicador parte da premissa de que, além dos fatores de riscos identificados, algumas características dos projetos contribuem para o aumento dos níveis de riscos do projeto. Para atingir este objetivo, esta pesquisa iniciou com a execução de um relato de experiência de caráter exploratório, buscando pontos relevantes para o refinamento dos parâmetros propostos. Em seguida, foi realizado um mapeamento de fatores de riscos mais relevantes em projetos de desenvolvimento de software por meio de revisão sistemática. Finalmente, dois estudos de caso foram realizados com o indicador proposto, buscando avaliá-lo e identificar pontos de melhoria. Os resultados apontam que a existência de indicador que vise medir o nível de risco de um projeto de desenvolvimento de software é crucial para a melhor percepção e clareza dos itens mais críticos de projetos. Em relação ao indicador proposto, há indícios de que seu uso pode ser útil e eficaz para o gerenciamento de projetos e de riscos. Informações sobre os fatores de riscos, combinados a características dos projetos, podem ser relevantes para a tomada de decisão por parte dos gestores nos níveis tático e estratégico, possibilitando o acompanhamento contínuo e sistemático dos níveis de riscos dos projetos de desenvolvimento de software.

Aluna: Joyce Aline Pereira de Oliveira
Orientador: professora Carina Frota Alves
Título: “Um Modelo Conceitual para Governança de Ecossistemas de Software”
Data: 21/02
Hora/Local: 9h – Centro de Informática – anfiteatro
Banca examinadora:
Hermano Perrelli de Moura (UFPE Centro de Informática)
Kiev Santos da Gama (UFPE/Centro de Informática/UFPE)
Bernadette Farias Lóscio (UFPE/Centro de Informática)
Cleidson Ronald Botelho de Souza(UFPA/Instituto de Ciências Exatas e Naturais)
Fernando Marques Figueira Filho (UFRN/Informática e Matemática Aplicada)

Resumo

Ecossistema de software é definido como um conjunto de atores trabalhando como uma unidade e interagindo em um mercado compartilhado de software e serviços com relacionamentos entre eles. Em um ecossistema de software, organizações trabalham colaborativamente para se manter lucrativas e sobreviver às mudanças do mercado. Para que o relacionamento entre estas organizações tenha sucesso é necessário que parceiros participem do ecossistema de software sem violar regras de colaboração ou se apropriar de vantagens que desestabilizem a saúde geral do ecossistema. A aplicação de mecanismos de governança é essencial para a obtenção deste equilíbrio. Entretanto, para implantar a governança é necessário compreender quais elementos precisam ser governados e como estes elementos se relacionam entre si. Este conhecimento é estratégico por possibilitar a descoberta e o tratamento de elementos críticos que prejudicam a saúde do ecossistema de software se forem negligenciados. Diante deste desafio, esta tese visa a construção de um modelo conceitual para apoiar a governança de ecossistemas de software. Um modelo conceitual é a representação de um conjunto de entidades e relacionamentos entre essas entidades, que fazem parte de um determinado domínio de conhecimento e auxiliam no entendimento do domínio em questão. O modelo conceitual proposto foi construído por meio de Design Science Research e representa uma visão holística dos elementos a serem governados em ecossistemas de software e suas relações. Estratégias de pesquisa como revisão sistemática da literatura, avaliação com especialistas e estudos de caso foram adotadas para apoiar a condução do ciclo de Design Science. A revisão sistemática da literatura apoiou a definição de mecanismos, de elementos de governança e de proposições que embasaram a construção do modelo conceitual. A avaliação com especialistas validou o modelo conceitual proposto e auxiliou no seu refinamento. Os estudos de caso realizados possibilitaram a instanciação do modelo conceitual para o contexto dos ecossistemas do Eclipse, do Gnome e do SAP. Estes ecossistemas de software são amplamente estudados por pesquisadores da área. As diferentes características existentes entre estes ecossistemas permitiram a análise do grau de generalização e de instanciação do modelo conceitual. A pesquisa resultou em um modelo conceitual com 28 elementos que apoia os atores encarregados da governança de diferentes tipos de ecossistemas de software, tais como, aberto, proprietário ou híbrido. Os resultados da revisão sistemática da literatura, o modelo conceitual, o glossário de elementos de governança, assim como o próprio processo de construção do modelo consiste em relevantes contribuições para pesquisa e prática por fornecerem uma visão holística da governança de ecossistemas de software e por aumentarem o corpo de conhecimento da área. Em particular, os principais benefícios do modelo proposto são: compreender e representar o contexto da governança de ecossistemas de software e atuar como uma referência para que os profissionais construam seus próprios modelos de governança de acordo com seu contexto e necessidades específicos.

Aluno: Leonardo Valeriano Neri
Orientador: professor Tsang Ing Ren
Coorientador: professor George Darmiton da Cunha Cavalcanti
Título: “Extração de Características para Segmentação de Locutores”
Data:21/02
Hora/Local: 9h – Centro de Informática – auditório
Banca examinadora:
Ana Carolina Brandão Salgado (UFPE/Centro de Informática)
Carina Frota Alves (UFPE/Centro de Informática)
Sandra de Albuquerque Siebra (UFPE/Departamento de Ciência da Informação)
Claudia Maria Ribeiro Araújo Fernandes (IFRN/Campus Natal)
José Viterbo Filho (UFF/Instituto de Computação)

Resumo

A transcrição de locutores em conversações determina “quem falou e quando?”, identificando o número de locutores presentes e os intervalos onde cada locutor fala. Um sistema de transcrição de locutores implementa quatro etapas fundamentais: Detecção de atividade de voz, extração de características acústicas, segmentação e clusterização dos locutores. A tarefa de segmentação torna-se um grande desafio em conversas de estilo livre, nas quais as transições entre locutores são frequentes e, em muitas delas, ocorrem a sobreposição da fala de dois ou mais locutores. Nesse cenário, a detecção de uma transição/mudança de locutor precisa ser feita utilizando amostras curtas da fala, para não incluir duas ou mais mudanças na mesma amostra, e assim evitando perdas durante o processo. Propomos o Mel Cepstral Affinity Features (MCAF) um extrator de características da fala projetado para amostras curtas e próprio para a tarefa de segmentação de locutores. A característica proposta discrimina os diferentes tipos de fala: homogênea (amostra contendo um único locutor), heterogênea (dois locutores presentes sem sobreposição) e a sobreposta (ao menos dois locutores falando simultaneamente). Um método de janelas deslizantes utiliza essa discriminação para detectar as mudanças de locutor. Experimentos utilizando o corpora da AMI mostram que nossa proposta exibe um desempenho superior aos métodos de segmentação tradicionais utilizando MFCC e distâncias BIC e GLR ou divergência KL, e é comparável ao método utilizando i-vector, considerado estado da arte para a tarefa, mas com menor custo computacional.

Data da última modificação: 19/02/2019, 11:29