Proposta de Agentes Inteligentes para Manipulação de Estereótipos e Recomendação de Ações em uma Rede de Gestão de Conhecimento

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

XII Encoinfo – Encontro de Computação e Informática do Tocantins 103 
 
 
Proposta de Agentes Inteligentes para Manipulação de 
Estereótipos e Recomendação de Ações em uma Rede de 
Gestão de Conhecimento 
Rauricio Vital Mendes1, Roneylson de Alencar Neiva1, Wellington Rocha 
Santos1, Fabiano Fagundes1 
1Curso de Sistemas de Informação – Centro Universitário Luterano de Palmas 
(CEULP/ULBRA) 
Caixa Postal 160 – 77.054-970 – Palmas – TO – Brasil. 
{rauriciomendes, roneylson, wel.rocha.santos, thilfa}@gmail.com 
Resumo. Atualmente, percebe-se cada vez mais nas redes sociais a utilização 
de técnicas de Inteligência Artificial para agirem como agentes inteligentes 
nesses ambientes. Exemplo disso são as recomendações em redes sociais como 
o Orkut ou Facebook, ou até mesmo em sites de comércio eletrônico que 
começam a oferecer produtos a determinado usuário mediante um histórico de 
compra. Essas recomendações sofrem alterações à medida que o usuário 
realiza ações no ambiente, e essas alterações são comandadas por ações dos 
agentes inteligentes. Neste artigo, é descrito uma proposta de criação de 
agentes que trabalhem no ambiente de uma rede de gestão de conhecimento. 
Palavras Chave: Agentes Inteligentes, Sistemas de Recomendação, Estereótipos, Rede 
Social. 
1. Introdução 
A internet tem sido uma rede que está em constante expansão em todo o mundo, e que 
mais conteúdo é inserido na web diariamente, atingindo milhões de pessoas que 
utilizam a rede para os mais diversos fins, entre comunicação, relacionamento e 
entretenimento. Percebe-se que essa rede tem passado de ser estruturalmente estática 
para ser tornar um ambiente notavelmente dinâmico, onde se vê sistemas cada vez mais 
autônomos e racionais, considerado muitas vezes de inteligentes, utilizando-se da 
Inteligência Artificial para isso. Como prova para esse acontecimento pode-se notar as 
recomendações de amigos e grupos em várias redes sociais como o Orkut e Facebook e 
recomendação específica de produtos para cada tipo de usuário em vários websites e-
commerce. Inteligência Artificial (IA) é o ramo da ciência da computação que tem 
crescido consideravelmente durante as últimas décadas, e tem conquistado mais espaço 
a cada dia que se passa, especialmente no ambiente web. Apesar de muitas definições 
existentes de IA, uma que se encaixa de acordo com o objetivo do trabalho 
desenvolvido neste artigo é “o novo e interessante esforço para fazer os computadores 
pensarem... máquinas com mentes [...]”. (HAUGELAND, 1985 apud RUSSELL, 2004, 
p. 5.). Neste trabalho são descritos conceitos sobre agentes inteligentes, suas 
classificações e como eles podem auxiliar no sistema proposto. 
 
 
104 XII Encoinfo – Encontro de Computação e Informática do Tocantins 
 
2. Agentes Inteligentes 
“A Inteligência Computacional é o estudo do projeto de agentes inteligentes.”. (POOLE 
et al., 1998 apud RUSSELL, 2004, p. 5). Esses agentes possuem a capacidade de decidir 
mediante uma determinada situação, e, segundo Russell (2004, p.4), eles são racionais e 
tomam as decisões certas, ou as melhores possíveis, com os dados disponíveis. São 
utilizados principalmente em sistemas de tomada de decisão, onde atuam como 
principais condutores de informação e, através destas, podem detectar a melhor resposta 
ou o melhor caminho a seguir. Hoje existem diversos computadores que trabalham com 
agentes inteligentes, como por exemplo, computadores que jogam xadrez; estes utilizam 
IA, para tomarem decisões mediante uma situação inesperada. 
Nos dias atuais vê-se o desenvolvimento de várias organizações utilizando-se do 
conceito de aprendizagem organizacional ou aprendizagem colaborativa. De acordo 
com Bittencourt (2004, p. 3) “com base nas teorias sociais, a aprendizagem colaborativa 
encara o aluno como elemento ativo no processo de aprendizagem, oferece aos alunos 
grandes possibilidades de desenvolvimento de competências sociais e cognitivas”. 
Segundo Bittencourt (2004, p. 4) os ambientes que propiciam aprendizagem 
colaborativa são espaços compartilhados que possibilitam troca de informação e 
consequentemente troca de conhecimento. 
 Estes conceitos estão ligados à chamada rede de gestão de conhecimento que, na 
possibilidade de utilizar as redes sociais disponíveis na Web, permite às pessoas a troca 
informações e, assim, também a aquisição de novas experiências. De acordo com 
Bittencourt (2004, p. 5): “O computador propicia a interação, a construção de ideias, 
propósitos e experiências, independente da distância geográfica em que estas pessoas se 
encontram. As práticas de aprendizagem na rede permitem um acesso ao saber que é ao 
mesmo tempo denso, diversificado, personalizado e colaborativo”. 
O importante ao se avaliar uma rede social com o objetivo de ser uma rede de 
gestão de conhecimento é que esta verdadeiramente atinja seu objetivo inicial. Algumas 
técnicas de IA podem ser utilizadas para maximizar o desempenho da rede, dentre essas 
técnicas destacam-se os agentes inteligentes. 
Esses agentes possuem a capacidade de tomar decisão mediante uma 
determinada situação. São utilizados principalmente em sistemas de tomada de decisão, 
onde atuam como principais condutores de informação e através destas podem detectar 
a melhor resposta ou o melhor caminho a seguir. Os agentes exigem um nível de 
atenção elevado durante a implementação, devido o fato de trabalhar com tomada de 
decisões, e não somente isso, precisam tomar a melhor decisão possível. “Um agente é 
um sistema computacional situado em um ambiente, sendo capaz de agir 
autonomamente para alcanças suas metas” (WOOLDRIDGE, 1999, p. 29 apud 
GOMES, 2000 p. 21). 
Como dito, um agente está situado em um ambiente, entretanto no mesmo 
ambiente pode haver mais de um trabalhando, em conjunto ou não. “Agentes possuem 
habilidades distintas. Agentes com habilidades e capacidades diferentes devem trabalhar 
em conjunto para resolver problemas.” (GOMES, 2000 p. 28). Para Giménes (2004, 
 
XII Encoinfo – Encontro de Computação e Informática do Tocantins 105 
 
 
p.23) “Agentes computacionais podem ser auxiliares mais eficientes na medida em que 
disponham de uma representação que torne explícitas as comunidades de sentido, tanto 
em relação à sua semiótica quanto aos seus integrantes.”. 
De acordo com Russell (2004, p. 33) “um agente é tudo o que pode ser 
considerado capaz de perceber seu ambiente por meios de sensores e de agir sobre esses 
ambientes por intermédio de atuadores.”. Para exemplificar, diz ainda que o ser humano 
é um agente que possui os “olhos, ouvidos e outros órgãos como sensores, e têm mãos, 
pernas, boca e outras partes o corpo como atuadores.”; “um agente de software recebe 
sequências de teclas digitadas, conteúdo de arquivos e pacotes de redes como entradas 
sensórias e atua sobre o ambiente exibindo algo na tela, gravando arquivos e enviando 
pacotes de redes.”. 
De acordo com o nível de complexidade empregada nos agentes inteligentes, 
eles podem ser divididos em quatro classes: Agentes Estímulo-Respostas, Agentes com 
memória, Agentes guiados por objetivos e Agentes guiados pela função de utilidade. 
 Estímulo-Resposta: o agente toma uma decisão a partir de outras já formadas e 
impostas em sua base de conhecimento; 
 Agentes com memória: segundo Silva (2005, p. 8), “são agentes Estímulo-Resposta 
que guardam estados do ambiente e que sabem como o ambiente evolui em função 
do tempo e em função de suas ações”; 
 Agentes guiados por objetivos: segundo Silva (2005, p. 8), esse tipo de agente “tenta 
resolver
o problema de se chegar a um estado específico.”; 
 Agentes guiados pela função de utilidade: segundo Silva (2005, p. 9), é quando o 
agente possui várias opções para chegar ao mesmo objetivo, então o agente tem que 
escolher a melhor opção possível dentre as disponíveis. 
O meio onde o agente estará inserido é conhecido com ambiente. Ou como Russell 
(2004, p. 39) diz, “são essencialmente os ‘problemas’ para os quais os agentes racionais 
são as ‘soluções’”. Para alguns agentes, o ambiente mais comum será a internet. O 
ambiente é definido por algumas características, dentre elas: 
 Acessibilidade: diz-se que um ambiente é acessível quando o agente pode ter acesso 
as informações necessárias para o bom desempenho. Quando não se tem, o ambiente 
é inacessível; 
 Determinístico: Segundo Silva (2005, p. 9), um ambiente é “determinístico se o 
próximo estado depende apenas do estado atual e das ações escolhidas pelos agentes 
no estado atual”. Caso contrário, o ambiente é não determinístico; 
 Estático: o ambiente não se altera com o passar do tempo, enquanto o agente está 
atuando. Caso contrário, o ambiente é dinâmico; 
 Episódico: segundo Silva (2005, p. 9), “se pudermos dividir a experência de um 
agente em episódios, cada um consistindo em uma seqüência de percepção e ação do 
agente, sendo que a qualidade da ação dependa somente do episódio atual, dizemos 
que o ambiente é episódico.”. Caso contrário, ele é não episódico; 
 
 
106 XII Encoinfo – Encontro de Computação e Informática do Tocantins 
 
 Discreto: as informações das quais o agente irá buscar possui um conjunto finito de 
dados que serão analisados pelo agente. 
3. Estereótipos 
Uma das melhores formas de se organizar sistematicamente os usuários de um sistema é 
classificá-los por grupos ou estereótipos, e através dos agentes inteligentes esses 
estereótipos podem ser manipulados. Trabalhar com usuários e estereótipos significa 
classificar os usuários mediantes características em comum que estes possuam. "Um 
agente para manipulação de estereótipos possui características típicas de grupos de 
usuários do domínio de um sistema. Geralmente, eles também possuem condições de 
ativação que representam características chave, permitindo identificar um usuário como 
membro do seu respectivo grupo” (KOBSA, 1995, p. 2 apud SILVA, 2007 p. 43). 
Estes agentes têm a responsabilidade de caracterizar cada integrante de uma rede 
social, por exemplo, de acordo com seu perfil, assim o sistema de recomendação poderá 
utilizar dessa divisão para efetuar ações de recomendação ao usuário. “Suposições 
estereótipas sobre um usuário podem ser complementadas, ou mesmo canceladas, se 
estiverem disponíveis informações adicionais sobre este. A coleção resultante das 
suposições gera o Modelo do Usuário, que deve ser levado em consideração na 
adaptação do sistema ao usuário” (KOBSA, 1995, p. 2, apud SILVA, 2007, p. 44). 
De acordo com Silva (2007, p. 85) ao definir o componente de modelagem do 
estereótipo do usuário, faz-se necessária a realização de três tarefas: 
 identificar os subgrupos de usuário – basicamente seria definir grupos que possam 
ser características dos usuários pertencentes à rede social, algo definido de acordo 
coma a realidade da rede social; 
 identificar características chaves – características que diferem um usuário de outro, e 
assim difere um grupo de outro, levando em consideração que um usuário pode 
pertencer a grupos diferentes; 
 desenvolver a representação da hierarquia de sequência de estereótipos – seria a 
descrição do sistema e suas características de usuários e subgrupos que são 
relevantes para a aplicação em uma representação, deixando assim de forma clara 
quais tipos de grupos serão necessários. 
4. Sistemas de recomendação 
Agentes inteligentes, além de propiciarem a manipulação de estereótipos, também 
auxiliam nas tarefas de recomendação. De acordo com Weitzel (2010, p. 3), “o objetivo 
dos Sistemas de Recomendação é inferir um conjunto de resultados relevantes ao 
interesse de um usuário ou um perfil ao qual se adéque (sic). Essencialmente, um 
sistema de recomendação analisa as informações de um usuário em busca de padrões de 
interesse que possam ser utilizados para a recomendação de conteúdo.” 
Os sistemas de recomendação são utilizados principalmente para realizar 
indicações aos usuários, seja de possíveis amigos ou de grupos/comunidades, exemplos 
como o Orkut e Facebook com a recomendação de amigos e o YouTube com indicações 
 
XII Encoinfo – Encontro de Computação e Informática do Tocantins 107 
 
 
de vídeos que possam satisfazer o usuário. Alguns sites de comércio eletrônico também 
utilizam esse conceito, como: amazon.com, barnesandnoble.com e ZDNet.com. 
Os sistemas de recomendação surgiram como facilitadores para o processo de 
indicação de determinados elementos a usuários; “(...) auxiliam no aumento da 
capacidade e eficácia deste processo de indicação já bastante conhecida na relação 
social entre seres humanos” (RESNICK e VARIAN, 1997 apud REATEGUI, 2005, p. 
307). 
Há algumas estratégias para recomendação, que segundo Reategui (2005, p. 
310), são utilizadas pelos sites de comércio eletrônico para aumentar a lucratividade, 
como: 
 listas de recomendação: apresenta itens relacionados àqueles que estão sendo 
visualizados, não necessita de um conhecimento mais aprofundado do 
usuário.Os itens podem ser apontados dependendo da quantidade vendida, por 
exemplo; 
 avaliações de usuários: as lojas utilizam avaliação dos usuários para recomendar 
produtos aos demais usuários pois tais avaliações deixam os compradores mais 
seguros em relação ao produto adquirido; 
 suas recomendações: são sugestões inferidas ao usuário em uma área restrita, e 
podem ser classificadas de duas maneiras, explícita ou implícita. A forma explícita 
analisa dados informados pelo usuário. A forma implícita analisa informações 
relacionadas ao usuário sem que este tenha informado explicitamente, como, no 
caso de um site de vendas, tipos de produtos comprados, produtos mais avaliados, 
comentários, entre outras; 
 “usuários que gostam de X também gostam de Y”: essa é uma recomendação que 
necessita de um melhor conhecimento dos gostos, onde se devem analisar padrões 
de comportamento do usuário; 
 associação por conteúdo: pode-se recomendar conteúdo relacionando-o a outro que 
é acessado logo depois. Com essa observação é possível interligar produtos, em caso 
de sites de comércio eletrônico, produtos diferentes que frequentemente são 
vendidos na mesma compra, pelos usuários. 
5. Utilização dos Agentes na Rede de Gestão de Conhecimento 
Para que seja possível realizar a estruturação do modelo de usuários em grupos 
(estereótipos) e as chamadas recomendações, serão utilizados agentes responsáveis por 
isso, onde eles controlarão os processos pertinentes aos estereótipos ou recomendação. 
É necessário definir também o período de ativação de tais agentes, onde através de 
regras estabelecidas o agente irá saber a hora de ativar seus componentes e para o 
funcionamento. A seguir serão apresentadas as proposta de Agentes para Manipulação 
de Estereótipos e os Agentes de Recomendação. 
 
 
108 XII Encoinfo – Encontro de Computação e Informática do Tocantins 
 
5.1 Agentes Para Manipulação de Estereótipos 
A figura 1 mostra a representação da atuação do agente de manipulação de estereótipos. 
Nela existem cinco perfis de usuários e dois grupos de classificação (estereótipos), os 
perfis 2 e 3 estão
classificados no Grupo Encoinfo. Os perfis 3, 4 e 5 estão ligados ao 
Grupo Inteligência Artificial, isso porque o tanto o Perfil 3 e 4 quanto o Perfil 5 
estudam Inteligência Artificial. Pode-se reparar que o perfil 3 participa tanto do Grupo 
Encoinfo quanto do Grupo Inteligência Artificial e o Perfil 1 não participa de nenhum 
dos grupos definidos. 
 
Figura 10 - Representação de atuação dos Estereótipos no ambiente da Rede Social. 
 
Através da representação acima exemplificada pode-se perceber que o agente 
responsável pela manipulação de estereótipos irá realizar verificações e comparações, 
para poder determinar se um usuário pertence ou não a determinado grupo. Além disso, 
irá também criar os grupos, através de uma verificação no sistema de quais temas são 
mais utilizados. De forma geral, os estereótipos auxiliam na realização de análises 
gerais dos usuários, entretanto não oferecem detalhamento suficiente para análises 
individuais. Um estereótipo é um conjunto de traços que supostamente caracterizam um 
grupo. O agente responsável por criar esses grupos irá realizar o reconhecimento dos 
termos mais utilizados por determinado usuário e conectá-lo a um grupo que utilize o 
mesmo termo. 
 
Figura 11 - Representação do Sistema 
A Figura 2 exibida acima representa a arquitetura do sistema em que os agentes 
estarão inseridos. O módulo de interface do usuário fará conexão com o módulo web 
service, que está conectado com a camada que é ligada diretamente ao banco de dados. 
O módulo de web service será o responsável por fornecer as informações necessárias 
para apresentar um feedback ao usuário. 
 
XII Encoinfo – Encontro de Computação e Informática do Tocantins 109 
 
 
Limites do Agente: Este agente precisará estabelecer uma interatividade com o 
sistema de Text Mining. Tendo essa interatividade estabelecida, o agente receberá do 
sistema de mineração de dados os termos mais utilizados por cada usuário, e assim 
poderá criar seus marcadores, além disso, serão acrescentados outros meios para 
implementação desta funcionalidade. 
Tipo de agente: Com memória - este é um agente Estímulo-resposta, porém com 
a característica de saber qual a evolução do ambiente em função de suas ações. 
Tipo de ambiente: 
 acessível: o agente terá acesso a todas as informações do ambiente; 
 não-determinístico: os próximos estados do agente não dependerão apenas da 
ação atual; 
 estático: o ambiente no qual o agente está inserido não sofrerá mudanças, 
enquanto o agente estiver pensando; 
 episódico: o agente não precisa se preocupar com resultados futuros das ações 
tomadas; 
 discreto: as informações das quais o agente irá buscar possuem um conjunto 
finito de dados que serão analisados pelo agente. 
 Ao se implementar um método com o objetivo de retornar os grupos de 
estereótipos contidos na rede social deve-se, através de parâmetros que contém a lista de 
contatos, e os grupos de estereótipos, realizar a comparação entre os atributos dos 
usuários, atribuindo pesos a esses atributos e criando os grupos que ainda não existem. 
Caso existam, apenas inserem-se os contatos a cada grupo, de acordo com os 
respectivos atributos. Por fim, retornam-se os grupos de estereótipos. Estas etapas se 
darão através de mecanismos de inferência, ainda em estudo, que serão implementadas 
na etapa seguinte deste projeto. 
A definição dos grupos de estereótipos é uma das etapas em que se exige maior 
nível de atenção por parte do projetista, onde serão definidos os grupos e suas 
características essenciais. Silva (2007, p.85) propõe a utilização do modelo de 
estereótipo “como mecanismo útil para a construção de modelos de usuários individuais 
com base em uma pequena quantidade de informações sobre os mesmos [...] de forma a 
reunir usuários do domínio do sistema que possuem características típicas em um 
mesmo modelo.”. Silva (2007, p. 85), como descrito acima, diz ainda que para a 
definição da modelagem do estereótipo é necessário o cumprimento de três fases: 
identificação dos grupos de usuários; identificação das características chaves; 
representação do estereótipo. 
“Os estereótipos, juntamente com as características de usuários que os 
identificam, devem de alguma forma, inferir em algum aspecto no momento da 
adaptação, ou seja, devem-se definir características relevantes ao contexto do domínio.” 
(SILVA, p.86). Sendo assim, é necessário que os estereótipos sejam definidos de acordo 
com a realidade do sistema no qual está inserido, levando-se em considerações 
 
 
110 XII Encoinfo – Encontro de Computação e Informática do Tocantins 
 
características, ambiente e relacionamentos atribuídos a determinado grupo 
(estereótipo). 
Portanto, para o ambiente da rede de gestão, devem ser estabelecidos 
estereótipos que sejam compatíveis com a proposta inicial do projeto, algo que ajude a 
promover a aprendizagem colaborativa. Para tanto, a realização de uma análise clara das 
funcionalidades do sistema e do modelo de usuários é vital para a implementação do 
modelo de estereótipo e por fim do agente de manipulação. 
5.2 Agentes para Recomendações 
Na rede social, o agente de recomendação será utilizado para realizar indicações de 
possíveis amigos aos usuários. Alguns parâmetros serão necessários para que ele possa 
realizar as recomendações como, por exemplo, a quantidade de amigos em comum, 
quantidade de grupos a qual eles pertencem e outros possíveis atributos que possuam 
alguma semelhança. 
Abaixo segue a Figura 4 que representa o Sistema de Recomendação, em uma 
de suas fases, onde o agente de recomendação irá efetuar as seguintes ações: verificar 
que um dos amigos de A, nesse caso B, possui um amigo C que participa do mesmo 
grupo que A, o Grupo Jogos; o agente irá realizar a indicação de C para A como um 
possível amigo, por dois motivos: eles têm um amigo em comum que nesse caso é B, e 
estão classificados em um mesmo grupo que nesse caso é Jogos. Portanto existe a 
possibilidade de que A possa conhecer ou vir a querer ser amigo de C. 
 
Figura 12 - Representação do Sistema de Recomendação. 
O agente verificará quais usuários de segundo grau podem ser seu 
amigo/conhecido verificando aqueles que têm um número considerável de amigos em 
comum com o usuário correspondente. Tal verificação também se dará através de 
mecanismos de inferência que farão uso de bases de dados convertidas em bases de 
conhecimento, processo que será elaborado e implementado em etapa posterior para 
conclusão deste trabalho. 
Limites do Agente: Este agente precisará verificar a lista de amigos em comum 
de ambos os usuários, para poder fornecer uma lista de possíveis novos amigos, 
mediante regras estabelecidas, levando em consideração também os estereótipos aos 
quais esse usuário pertence. 
Tipo de agente: Estímulo-resposta - o agente toma uma decisão a partir de outras 
já formadas e impostas em sua própria base de conhecimento. 
Tipo de ambiente: 
 
XII Encoinfo – Encontro de Computação e Informática do Tocantins 111 
 
 
 acessível: o agente terá acesso a todas as informações do ambiente; 
 não-determinístico: os próximos estados do agente não dependerão apenas da 
ação atual; 
 estático: o ambiente no qual o agente está inserido não sofrerá mudanças, 
enquanto o agente estiver pensando; 
 episódico: o agente não precisa se preocupar com o resultado futuro das ações 
tomadas; 
 discreto: as informações das quais o agente irá buscar possuem um conjunto 
finito de dados que serão analisados pelo agente. 
O agente recebe como parâmetro informações
sobre o usuário. Com base nestas, 
que retorna grupos de estereótipos aos quais o usuário pertence. Com isso, faz-se 
associações aos grupos que estão ligados àqueles ao qual o agente fez referência. No 
tempo determinado do momento de execução do agente, ele associa as recomendações 
ao usuário e, no instante em que o usuário acessa sua página, o agente retornará as 
sugestões. Este processo se dará através de mecanismos de inferência, ainda em estudo, 
como citado anteriormente. 
6. Considerações finais 
Os agentes descritos neste trabalho fazem parte de um projeto em andamento, para 
construção de uma rede de gestão de conhecimento para aprendizagem organizacional, 
o ambiente no qual serão inseridos está em desenvolvimento, assim como os agentes. 
Os agentes serão criados com o objetivo de facilitar a arquitetura da rede, e 
proporcionar maior interatividade com os usuários, através da divisão em grupos 
(estereótipos) e recomendações. Todas as funcionalidades previstas para os agentes 
visam melhorar o desempenho do sistema, diante da proposta de uma rede de 
conhecimento para aprendizagem organizacional. Os agentes irão atuar entre si, 
podendo um utilizar o conhecimento adquirido por outro para tomada de decisão, como 
por exemplo, o agente de recomendação poderá utilizar as informações sobre os grupos 
(estereótipos) classificados pelo outro agente e assim poder efetuar as recomendações 
necessárias. 
A implantação dos agentes visa resolver alguns problemas que se tornaram 
comuns nos ambientes virtuais, como a manipulação de grande quantidade de 
informação e o fornecimento de um serviço diferenciado ao usuário. O desafio de se 
construir uma rede social que proporcione ao usuário a oportunidade de adquirir 
conhecimento através da utilização da mesma e da interação com outros usuários deve 
ser amparado por técnicas que permitam que isso aconteça. E que realmente o usuário 
possa, através da rede social, adquirir e repassar conhecimento, formando assim a rede 
de gestão de conhecimento e produzindo a aprendizagem organizacional. 
Devido o fato de o projeto estar em desenvolvimento os agentes ainda não foram 
implementados, porém estão estruuturados no formato necessário para dar seguimento 
aos próximos passos. Até o momento fixa-se a proposta de implementação como o 
 
 
112 XII Encoinfo – Encontro de Computação e Informática do Tocantins 
 
resultado do trabalho apresentado, sendo que as necessidades de tais agentes foram 
comprovadas ao se analisar os problemas com quantidade de informação e 
interatividade com o usuário, e a sua viabilidade comprovou-se ao se detectar que 
existem técnicas para implementação que solucionam tais problemas. Para trabalhos 
futuros tem-se a implementação dos agentes, tanto para manipulação dos estereótipos 
quanto para as recomendações. 
Referências Bibliográficas 
ÁVILA, Christiano O. SILVA, Rosalra. LOH, Stanley. Utilização de Sistemas 
Multiagentes na Construção de Sistemas de Recomendação. Universidade Católica de 
Pelotas. Pelotas – RS. 13 p. On-line: <http://ppginf.ucpel.tche.br/ 
wesaac/Anais/Artigos/artigo-avila.pdf> Acesso em: jun. 2010. 
GIMÉNES LUGO, Gustavo A. Um modelo de Sistemas Multiagentes para Partilha de 
Conhecimento Utilizando Redes Sociais Comunitárias. 2004. 213 p. Tese (Doutorado em 
Engenharia Computacional) – USP, São Paulo. 
GOMES, A.S. R. Contribuição ao Estudo de Redes de Agentes, 2000, 130 p. Dissertação 
(Mestrado em Engenharia Elétrica) – Universidade Estadual de Campinas, São Paulo. 
HAUGELAND, J. Artificial Intelligence: The Very Idea. MIT Press, Cambridge, 
Massachusetts. 
REATEGUI, Eliseo B. CAZELLA, Sílvio C. Sistemas de Recomendação. UNISINOS. 
São Leopoldo. XXV Congresso da Sociedade Brasileira de Computação. 43 p. 2005. 
ROVER, Aires J. Representação do Conhecimento Através de Sistemas Especialistas. 
UFSC - SC. 23 p. On-line: 
<http://www.infojur.ufsc.br/aires/arquivos/representacao%20do%20conhecimento%20siste
mas%20especialistas.pdf> Acesso em: jun. 2010 
RUSSELL, Stuart; NORVIG, Peter. Inteligência Artificial. Rio de Janeiro: Elsevier, 2004. 
SILVA, Nitai Bezerra. Recomendação de Relacionamentos em Redes Sociais Baseada 
em Grafos. 2010, 94 p. (Dissertação de Mestrado em Ciências da Computação) - Centro de 
Ciências Exatas e da Natureza - Centro de Informática, UFPE. – Recife. 
SILVA, Elizabeth Maria Martinho. Estudo e Desenvolvimento do Modelo de Adaptação 
Para Sistemas de Hipermídia Adaptativa Baseados em Ontologia. 2007 126 p. 
(Trabalho de Conclusão de Curso em Sistemas de Informação) – CEULP/ULBRA – 
Palmas. 
SILVA. Felipe Correa L. Agentes Inteligentes em Jogos de Computador. 2005. 23 p. 
Proposta de TCC (Ciências da Computação) – Universidade de São Paulo, São Paulo. 
Disponível em: <http://www.ime.usp.br/~leliane/MAC5701/2005-1oSem/ Planos 
Monografias/Filipe.pdf> Acesso em: ago. 2010. 
WEITZEL, Leila. et al. Proposta de Métricas de Avaliação da Quantidade da Informação 
Médica para Sistemas de Recomendação baseados no Perfil do Usuário. Cadernos de 
Informática, Universidade Federal do Rio Grande do Sul, Gramado – RS, v. 5, 2010, n. 1, 
p. 23 – 48. Disponível em: <http://seer.ufrgs.br/ 
cadernosdeinformatica/article/viewFile/v5n1p23-48/9734> Acesso em: jul. 2010.