Array
(
    [responseDate] => 2024-11-19T12:01:15Z
    [request] => https://www.pbcib.com/index.php/pbcib/oai
    [GetRecord] => SimpleXMLElement Object
        (
            [record] => SimpleXMLElement Object
                (
                    [header] => SimpleXMLElement Object
                        (
                            [identifier] => oai:ojs.pkp.sfu.ca:article/62075
                            [datestamp] => 2024-05-31T21:12:50Z
                            [setSpec] => pbcib:RE
                        )

                    [metadata] => SimpleXMLElement Object
                        (
                            [dc] => SimpleXMLElement Object
                                (
                                    [title] => Uso de deep learning para a construção de um modelo de recuperação da informação aplicado para o setor de mineração no Brasil
                                    [creator] => Array
                                        (
                                            [0] => Falcão, Luander Cipriano de Jesus
                                            [1] => Lopes, Brenner
                                            [2] => Souza, Renato Rocha
                                            [3] => Barbosa, Ricardo Rodrigues
                                        )

                                    [subject] => Array
                                        (
                                            [0] => processamento  de  linguagem  natural
                                            [1] => deep  learning
                                            [2] => bert
                                            [3] => ats
                                            [4] => mineração
                                        )

                                    [description] => Diante do crescimento exponencial de dados e informações, proporcionado por sensores e mídias sociais, um ecossistema composto por novas infraestruturas de armazenamento e processamento, denominado Big Data, foi desenvolvido. Todo esse desenvolvimento redundou em uma nova área do conhecimento, denominada Ciência de Dados. Apesar de haver um ecossistema e uma área do conhecimento para tratar esse bloco massivo de dados e informação, o incomodo da superabundância de dados ainda permanece, e se torna mais expressivo quando as empresas tomam consciência que podem usar zetabytes de dados e informações para direcionarem a estratégia e as operações. Baseado nisso, essa pesquisa buscou desenvolver um método para resumir as notícias do setor de mineração do Brasil, identificando o efeito da similaridade semântica na análise, possibilitando a recuperação da informação e uso em processos de compreensão do setor. Nesse método foi aplicado o transformer BERTSUM para sumarizar as notícias, e após sumarizadas o transformer BERT foi aplicado para medir a similaridade entre as notícias. O método permitiu reduzir em 75% todo o bloco de texto, retirar notícias com o mesmo teor semântico, e deduzir que há um padrão no discurso das notícias relacionadas ao setor de mineração.
Link: https://seer.ufrgs.br/index.php/EmQuestao/article/view/135550/90651
                                    [publisher] => UFPB
                                    [date] => 2024-05-01
                                    [type] => Array
                                        (
                                            [0] => info:eu-repo/semantics/article
                                            [1] => info:eu-repo/semantics/publishedVersion
                                        )

                                    [identifier] => https://www.pbcib.com/index.php/pbcib/article/view/62075
                                    [source] => Array
                                        (
                                            [0] => Pesquisa Brasileira em Ciência da Informação e Biblioteconomia; v. 19 n. 1 (2024)
                                            [1] => 1981-0695
                                        )

                                    [rights] => Copyright (c) 2024 Pesquisa Brasileira em Ciência da Informação e Biblioteconomia
                                )

                        )

                )

        )

)