Métricas para hiperdocumentos web: uma análise utilizando técnicas de aprendizado de máquina

• Ano de defesa: 2001
• Autor(a) principal: Silva, Elisandra Aparecida Alves da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Não disponível; Not availabe
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-22012018-143244/

Com avanço da World Wide Web (WWW) ocorreu um aumento significativo em desenvolvimento de hiperdocumentos Web (websites). Esse desenvolvimento, no entanto, tem se mostrado sujeito a muitos \"erros\", que em geral são atribuídos à manipulação de um grande número de nós e links. Tentando diminuir esses erros em potencial, muitos trabalhos têm proposto diferentes soluções para auxiliar a avaliação de hiperdocumentos e a aplicação de métricas se apresenta como uma possível abordagem, seguindo os preceitos de Engenharia de Software. Por sua vez, as métricas, em geral, são de difícil interpretação por parte dos webmasters. Assim, neste trabalho investigamos a abordagem de aplicação de métricas a websites contando com auxílio de técnicas de Aprendizado de Máquina (AM). Estas técnicas têm sido utilizadas em uma variedade de tarefas no contexto Web, tais como auxiliar os usuários em suas pesquisas, aprendizado relacionado aos interesses do usuário, extração de informações, entre outras. Este trabalho visa, através do suporte de técnicas de AM, auxiliar a abordagem de análise de métricas de websítes.