Gerenciando blocos de entidades em memória no contexto de streaming.

• Ano de defesa: 2026
• Autor(a) principal: PEREIRA, Igor de Sousa.
• Orientador(a): PIRES, Carlos Eduardo Santos. , ARAÚJO, Tiago Brasileiro.
• Banca de defesa: MESTRE, Demetrio Gomes., SILVA, Diego Marconi Pinheiro Ferreira.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Blocagem; Processamento incremental; Streaming; Resolução de entidades; Blocking; Incremental; Entity resolution,
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/45747

Com a expansão dos serviços online, o grande volume de dados gerado dificulta a identificação de registros que representam a mesma entidade do mundo real, especialmente em cenários de streaming. Nesse contexto, tarefas de Resolução de Entidades (RE) passaram a adotar técnicas de blocagem para reduzir comparações desnecessárias, facilitar a detecção de duplicatas e gerar conjuntos de entidades potencialmente similares. Este trabalho propõe três técnicas para melhorar o desempenho da tarefa de RE em ambientes de fluxo contínuo, com foco no gerenciamento eficiente de blocos de entidades em memória. A técnica de Descarte de Entidades realiza a remoção seletiva de registros antigos dentro dos blocos com base em critérios temporais. A técnica de Descarte de Blocos adota uma estratégia mais agressiva, eliminando integralmente blocos que atingem sua capacidade máxima. Por fim, a técnica de Descarte Global de Entidades remove entidades obsoletas de todos os blocos aos quais pertencem com base em uma visão temporal global do sistema. A avaliação experimental foi conduzida sobre três conjuntos de dados reais (SCD, NCVR e MusicBrainz), considerando métricas de eficiência e qualidade, como tempo de blocagem, tempo de matching, número de comparações, Recall e Precision. Os resultados demonstram que o Descarte de Blocos reduz o número de pares comparados e o tempo de matching, alcançando ganhos de até 38% em tempo de execução e até 26% em Precision, com impacto limitado sobre o Recall. A técnica de Descarte Global apresentou ganhos de qualidade em cenários ruidosos e heterogêneos, atingindo valores próximos a 1.0 de Recall e incrementos de Precision. Adicionalmente, experimentos com offsets progressivos indicam que a escolha do volume de dados processados influencia diretamente o equilíbrio entre Recall e Precision, sendo esse efeito dependente das características estruturais de cada conjunto de dados. Em conjunto, os resultados evidenciam que técnicas estruturais de descarte dinâmico são fundamentais para tornar sistemas de RE mais escaláveis, eficientes e robustos em ambientes de streaming.