Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas
The main mathematical foundation of database management systems is the set theory. In a set, there are no pairs of equal elements. However, the exact comparison between complex data does not provide relevant information, and it is preferable to use comparisons by similarity. The concept of similarit...
Autor principal: | Alessi, André Eduardo |
---|---|
Formato: | Trabalho de Conclusão de Curso (Graduação) |
Idioma: | Português |
Publicado em: |
Universidade Tecnológica Federal do Paraná
2022
|
Assuntos: | |
Acesso em linha: |
http://repositorio.utfpr.edu.br/jspui/handle/1/27551 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
id |
riut-1-27551 |
---|---|
recordtype |
dspace |
spelling |
riut-1-275512022-03-08T06:05:57Z Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas Development of a novel similarity set extraction techniques addressing non-symmetrical relations Alessi, André Eduardo Pola, Ives Renê Venturini Pola, Ives Renê Venturini Casanova, Dalcimar Barbosa, Marco Antonio de Castro Teoria dos conjuntos Números complexos Grafos de ligação Banco de dados Set theory Numbers, Complex Bond graphs Data bases CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO The main mathematical foundation of database management systems is the set theory. In a set, there are no pairs of equal elements. However, the exact comparison between complex data does not provide relevant information, and it is preferable to use comparisons by similarity. The concept of similarity sets was created to represent the idea of a set where there are no pairs of sufficiently similar elements. The theoretical basis of the similarity sets concept has been extended to address asymmetric similarity relations in this research. A new technique for the extraction of similarity sets, formally defined as algorithm Asymmetric Distinct, was developed and validated in two experiments. The technique was considered stable and scalable and allows for new research based on this study. O principal fundamento matemático dos sistemas gerenciadores de bancos de dados é a teoria dos conjuntos. Em um conjunto, não existem pares de elementos iguais. Porém, a comparação exata entre dados complexos não traz informações relevantes, sendo preferível a utilização de comparações por similaridade. Para representar a ideia de um conjunto onde não há pares de elementos suficientemente similares, nasceu o conceito de conjuntos de similaridade. Neste problema de pesquisa, a base teórica desse conceito foi estendida para tratar relações não simétricas de similaridade. Como contribuição do trabalho, uma nova técnica de extração de conjuntos de similaridade foi desenvolvida, formalizada no algoritmo Asymmetric Distinct. A nova técnica foi avaliada em dois experimentos diferentes, mostrando-se estável e escalável e permitindo novas pesquisas dentro da área. 2022-03-07T16:14:57Z 2022-03-07T16:14:57Z 2021-03-02 bachelorThesis ALESSI, André Eduardo. Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas. 2021. Trabalho de Conclusão de Curso (Engenharia de Computação) - Universidade Tecnológica Federal do Paraná (UTFPR), Pato Branco, 2021. http://repositorio.utfpr.edu.br/jspui/handle/1/27551 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Pato Branco Brasil Departamento Acadêmico de Informática Engenharia de Computação UTFPR |
institution |
Universidade Tecnológica Federal do Paraná |
collection |
RIUT |
language |
Português |
topic |
Teoria dos conjuntos Números complexos Grafos de ligação Banco de dados Set theory Numbers, Complex Bond graphs Data bases CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
spellingShingle |
Teoria dos conjuntos Números complexos Grafos de ligação Banco de dados Set theory Numbers, Complex Bond graphs Data bases CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Alessi, André Eduardo Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas |
description |
The main mathematical foundation of database management systems is the set theory. In a set, there are no pairs of equal elements. However, the exact comparison between complex data does not provide relevant information, and it is preferable to use comparisons by similarity. The concept of similarity sets was created to represent the idea of a set where there are no pairs of sufficiently similar elements. The theoretical basis of the similarity sets concept has been extended to address asymmetric similarity relations in this research. A new technique for the extraction of similarity sets, formally defined as algorithm Asymmetric Distinct, was developed and validated in two experiments. The technique was considered stable and scalable and allows for new research based on this study. |
format |
Trabalho de Conclusão de Curso (Graduação) |
author |
Alessi, André Eduardo |
author_sort |
Alessi, André Eduardo |
title |
Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas |
title_short |
Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas |
title_full |
Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas |
title_fullStr |
Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas |
title_full_unstemmed |
Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas |
title_sort |
desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas |
publisher |
Universidade Tecnológica Federal do Paraná |
publishDate |
2022 |
citation |
ALESSI, André Eduardo. Desenvolvimento de novas técnicas de extração de conjuntos de similaridade para relações não simétricas. 2021. Trabalho de Conclusão de Curso (Engenharia de Computação) - Universidade Tecnológica Federal do Paraná (UTFPR), Pato Branco, 2021. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/27551 |
_version_ |
1805302267784462336 |
score |
10,814766 |