Baixe o app para aproveitar ainda mais
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.
Compartilhar