Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: SILVA, Thiago Batista Rodrigues
Orientador(a): PRUDÊNCIO, Ricardo Bastos Cavalcante
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Ciencia da Computacao
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Inteligência computacional
Aprendizagem de máquina
Link de acesso: https://repositorio.ufpe.br/handle/123456789/47653
Resumo: A viticultura é a ciência que estuda o cultivo da uva para produção de sucos, vinhos e outros derivados. Tanto os produtos quanto a cadeia produtiva possuem elevada importância soci- oeconômica e cultural em grande parte do mundo. Recentemente, técnicas de enxertia vêm sendo aplicadas para aumentar a produtividade e a qualidade no setor, no entanto, o processo para encontrar cultivares de porta-enxerto que sejam compatíveis com enxertos de videiras é essencialmente experimental, lento e custoso. Embora a utilização de aprendizagem de má- quina no Agronegócio não seja novidade, a literatura carece de trabalhos que demonstrem a aplicabilidade dessa técnica para apoiar especificamente processos de enxertia. Este trabalho, por meio de uma perspectiva de Sistema de Recomendação, oferece uma comparação entre abordagens de predição e de classificação para o problema da seleção de cultivares de enxerto e porta-enxerto. Além disso, também avalia os desempenhos de algoritmos baseados em fil- tragem colaborativa com os de algoritmos baseados em métodos de Kernel, para as tarefas de predição de ratings e de classificação de interações. Ao todo, 17 modelos baseados em algoritmos de filtragem colaborativa e métodos de kernel foram avaliados em um conjunto de dados de 251 interações rotuladas, atingindo o valor máximo de 96% para a métrica f1-score. Os resultados indicaram uma vantagem significativa para a abordagem de classificação, espe- cialmente para os modelos baseados em kernel, bem como a viabilidade de uma ferramenta de apoio à decisão para orientar as escolhas de especialistas das melhores cultivares para enxertia.
id UFPE_623e888f5bb44061661b99c6be2a27f9
oai_identifier_str oai:repositorio.ufpe.br:123456789/47653
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling SILVA, Thiago Batista Rodrigueshttp://lattes.cnpq.br/7228187527181412http://lattes.cnpq.br/2984888073123287http://lattes.cnpq.br/0622594061462533PRUDÊNCIO, Ricardo Bastos CavalcanteNASCIMENTO, André Câmara Alves do2022-11-17T14:41:04Z2022-11-17T14:41:04Z2022-08-12SILVA, Thiago Batista Rodrigues. Predição de compatibilidade entre cultivares em processos de enxertia: um estudo comparativo de técnicas baseadas em sistemas de recomendação. 2022. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2022.https://repositorio.ufpe.br/handle/123456789/47653A viticultura é a ciência que estuda o cultivo da uva para produção de sucos, vinhos e outros derivados. Tanto os produtos quanto a cadeia produtiva possuem elevada importância soci- oeconômica e cultural em grande parte do mundo. Recentemente, técnicas de enxertia vêm sendo aplicadas para aumentar a produtividade e a qualidade no setor, no entanto, o processo para encontrar cultivares de porta-enxerto que sejam compatíveis com enxertos de videiras é essencialmente experimental, lento e custoso. Embora a utilização de aprendizagem de má- quina no Agronegócio não seja novidade, a literatura carece de trabalhos que demonstrem a aplicabilidade dessa técnica para apoiar especificamente processos de enxertia. Este trabalho, por meio de uma perspectiva de Sistema de Recomendação, oferece uma comparação entre abordagens de predição e de classificação para o problema da seleção de cultivares de enxerto e porta-enxerto. Além disso, também avalia os desempenhos de algoritmos baseados em fil- tragem colaborativa com os de algoritmos baseados em métodos de Kernel, para as tarefas de predição de ratings e de classificação de interações. Ao todo, 17 modelos baseados em algoritmos de filtragem colaborativa e métodos de kernel foram avaliados em um conjunto de dados de 251 interações rotuladas, atingindo o valor máximo de 96% para a métrica f1-score. Os resultados indicaram uma vantagem significativa para a abordagem de classificação, espe- cialmente para os modelos baseados em kernel, bem como a viabilidade de uma ferramenta de apoio à decisão para orientar as escolhas de especialistas das melhores cultivares para enxertia.Viticulture is the science that studies the cultivation of grapes for the production of juices, wines and other derivatives. Both the products and the production chain have high socioeco- nomic and cultural importance in much of the world. Recently, grafting techniques have been applied to increase productivity and quality in the sector, however, the process to find rootstock cultivars that are compatible with vine grafts is essentially experimental, slow and expensive. Although the use of machine learning in Agribusiness is not new, the literature lacks works that demonstrate the applicability of this technique to specifically support grafting processes. This work, through a Recommendation System perspective, offers a comparison between pre- diction and classification approaches to the problem of scion and rootstock cultivar selection. Furthermore, it also evaluates the performance of algorithms based on collaborative filtering with those of algorithms based on Kernel methods, for rating prediction and interaction clas- sification tasks. In all, 17 models based on collaborative filtering and kernel methods were evaluated on a dataset of 251 labeled interactions, reaching a maximum value of 96% for the f1-score metric. The results indicated a significant advantage for the classification approach, especially for kernel-based models, as well as the feasibility of a decision support tool to guide specialist choices of the best cultivars for grafting.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessInteligência computacionalAprendizagem de máquinaPredição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPECC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/47653/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/47653/3/license.txt5e89a1613ddc8510c6576f4b23a78973MD53ORIGINALDISSERTAÇÃO Thiago Batista Rodrigues Silva.pdfDISSERTAÇÃO Thiago Batista Rodrigues Silva.pdfapplication/pdf2670779https://repositorio.ufpe.br/bitstream/123456789/47653/1/DISSERTA%c3%87%c3%83O%20Thiago%20Batista%20Rodrigues%20Silva.pdfb8c66d2e19a1ddb80885bb38db1ea8d1MD51TEXTDISSERTAÇÃO Thiago Batista Rodrigues Silva.pdf.txtDISSERTAÇÃO Thiago Batista Rodrigues Silva.pdf.txtExtracted texttext/plain106728https://repositorio.ufpe.br/bitstream/123456789/47653/4/DISSERTA%c3%87%c3%83O%20Thiago%20Batista%20Rodrigues%20Silva.pdf.txt8a34520e22f3d88b3510be9b8f1ae4a7MD54THUMBNAILDISSERTAÇÃO Thiago Batista Rodrigues Silva.pdf.jpgDISSERTAÇÃO Thiago Batista Rodrigues Silva.pdf.jpgGenerated Thumbnailimage/jpeg1222https://repositorio.ufpe.br/bitstream/123456789/47653/5/DISSERTA%c3%87%c3%83O%20Thiago%20Batista%20Rodrigues%20Silva.pdf.jpg016d67571be709f812a5a1af0da038c0MD55123456789/476532022-11-18 02:19:10.187oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212022-11-18T05:19:10Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação
title Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação
spellingShingle Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação
SILVA, Thiago Batista Rodrigues
Inteligência computacional
Aprendizagem de máquina
title_short Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação
title_full Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação
title_fullStr Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação
title_full_unstemmed Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação
title_sort Predição de compatibilidade entre cultivares em processos de enxertia : um estudo comparativo de técnicas baseadas em sistemas de recomendação
author SILVA, Thiago Batista Rodrigues
author_facet SILVA, Thiago Batista Rodrigues
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7228187527181412
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/2984888073123287
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0622594061462533
dc.contributor.author.fl_str_mv SILVA, Thiago Batista Rodrigues
dc.contributor.advisor1.fl_str_mv PRUDÊNCIO, Ricardo Bastos Cavalcante
dc.contributor.advisor-co1.fl_str_mv NASCIMENTO, André Câmara Alves do
contributor_str_mv PRUDÊNCIO, Ricardo Bastos Cavalcante
NASCIMENTO, André Câmara Alves do
dc.subject.por.fl_str_mv Inteligência computacional
Aprendizagem de máquina
topic Inteligência computacional
Aprendizagem de máquina
description A viticultura é a ciência que estuda o cultivo da uva para produção de sucos, vinhos e outros derivados. Tanto os produtos quanto a cadeia produtiva possuem elevada importância soci- oeconômica e cultural em grande parte do mundo. Recentemente, técnicas de enxertia vêm sendo aplicadas para aumentar a produtividade e a qualidade no setor, no entanto, o processo para encontrar cultivares de porta-enxerto que sejam compatíveis com enxertos de videiras é essencialmente experimental, lento e custoso. Embora a utilização de aprendizagem de má- quina no Agronegócio não seja novidade, a literatura carece de trabalhos que demonstrem a aplicabilidade dessa técnica para apoiar especificamente processos de enxertia. Este trabalho, por meio de uma perspectiva de Sistema de Recomendação, oferece uma comparação entre abordagens de predição e de classificação para o problema da seleção de cultivares de enxerto e porta-enxerto. Além disso, também avalia os desempenhos de algoritmos baseados em fil- tragem colaborativa com os de algoritmos baseados em métodos de Kernel, para as tarefas de predição de ratings e de classificação de interações. Ao todo, 17 modelos baseados em algoritmos de filtragem colaborativa e métodos de kernel foram avaliados em um conjunto de dados de 251 interações rotuladas, atingindo o valor máximo de 96% para a métrica f1-score. Os resultados indicaram uma vantagem significativa para a abordagem de classificação, espe- cialmente para os modelos baseados em kernel, bem como a viabilidade de uma ferramenta de apoio à decisão para orientar as escolhas de especialistas das melhores cultivares para enxertia.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-11-17T14:41:04Z
dc.date.available.fl_str_mv 2022-11-17T14:41:04Z
dc.date.issued.fl_str_mv 2022-08-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SILVA, Thiago Batista Rodrigues. Predição de compatibilidade entre cultivares em processos de enxertia: um estudo comparativo de técnicas baseadas em sistemas de recomendação. 2022. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/47653
identifier_str_mv SILVA, Thiago Batista Rodrigues. Predição de compatibilidade entre cultivares em processos de enxertia: um estudo comparativo de técnicas baseadas em sistemas de recomendação. 2022. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Pernambuco, Recife, 2022.
url https://repositorio.ufpe.br/handle/123456789/47653
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Ciencia da Computacao
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/47653/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/47653/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/47653/1/DISSERTA%c3%87%c3%83O%20Thiago%20Batista%20Rodrigues%20Silva.pdf
https://repositorio.ufpe.br/bitstream/123456789/47653/4/DISSERTA%c3%87%c3%83O%20Thiago%20Batista%20Rodrigues%20Silva.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/47653/5/DISSERTA%c3%87%c3%83O%20Thiago%20Batista%20Rodrigues%20Silva.pdf.jpg
bitstream.checksum.fl_str_mv e39d27027a6cc9cb039ad269a5db8e34
5e89a1613ddc8510c6576f4b23a78973
b8c66d2e19a1ddb80885bb38db1ea8d1
8a34520e22f3d88b3510be9b8f1ae4a7
016d67571be709f812a5a1af0da038c0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1797782350080245760

Registros relacionados