O IFNMG está representado em dois dos trabalhos destacados durante o Simpósio Brasileiro de Bancos de Dados (SBBD) 2020, que terminou no início deste mês de outubro. O artigo “Criteria for choosing the number of dimensions in a principal component analysis: An empirical assessment”, que tem o coordenador do curso de Ciência da Computação do Campus Montes Claros, Lúcio Fernandes Dutra Santos, como um dos autores, foi agraciado com o Prêmio Melhor Artigo Curto. O professor Lúcio também é um dos autores do trabalho agraciado com a menção honrosa na categoria Artigo Completo, “Quality metrics for diversified similarity searching: What they stand for?”, que tem como primeira autora Camila Rocha Lopes, egressa do curso de Ciência da Computação.


Lúcio explica, em linhas gerais, do que trata o artigo premiado, cujo título em português é “Critérios para escolha do número de dimensões na análise de componentes principais: Uma avaliação experimental”. Inicialmente, ele esclarece que, na realização de tarefas de análises de dados por meio de técnicas de aprendizado de máquina, é necessário que um problema em questão seja representado por meio de variáveis de análises. Para ficar mais claro, ele exemplifica com a situação de uma pessoa que quer classificar a qualidade de uma safra de vinhos, tendo disponível algumas variáveis coletadas por meio de análise química de acidez, alcalinidade, intensidade da cor, prolina, porcentagem de flavanoídes, teores de fenóis totais, dentre várias outras.


Em português, o artigo da ex-aluna Camila Lopes é “Métricas para avaliar consultas por similaridade com diversidade. O que elas representam?”. O trabalho traz os resultados do projeto de iniciação científica “Avaliando consultas por similaridade com diversidade por meio de índices de validação de agrupamento de dados”, do qual ela participou em 2019. O trabalho de conclusão de curso (TCC) apresentado pela ex-aluna do IFNMG também versou sobre a mesma temática. Tanto na iniciação científica quanto no TCC, Camila foi orientada pelo professor Lúcio.


“Nós identificamos que, apesar de existirem muitos algoritmos para consultas por similaridade com diversidade, as métricas para avaliar a qualidade dos resultados eram ainda incipientes, algumas apresentavam viés ou utilizavam algoritmos custosos para comparação”, relata Camila. Diante disso, foi proposto um novo modelo métrico multidimensional, o Diversity Features Model (DFM), que combina os resultados de diferentes medidas que competem entre si.