Essa dissertação de mestrado não poderia ser concluída sem o apoio de várias pessoas.Em primeiro lugar, não posso deixar de agradecer aos meus orientadores, Professor Doutor Mario Lúcio Côrtes e Professor Doutor Ricardo da Silva Torres, por toda a paciência, empenho e orientação pautada por um elevado nível científico em todas as etapas subjacentes ao trabalho realizado, cujos esforços e auxílio tornaram possível a concretização deste projeto.Desejo igualmente agradecer aos meus pais e minhas avós pelo apoio, motivação e conselhos preciosos. A minha esposa, meus irmãos e aos meus tios por desejarem sempre o melhor para mim. A vocês, minha família, sou grato por todo apoio, carinho, atenção e felicidade que eu tenho.Por último, o agradecimento mais importante: Agradeço a Deus por me abençoar, me iluminar, me guiar; sem Ti eu nada poderia fazer.
Obrigado a todos!
ResumoGestão do conhecimento é essencial para qualquer organização. As empresas precisam ser capazes de produzir, organizar, salvar, recuperar e compartilhar conhecimento com eficiência. As empresas de software não são diferentes de outras empresas, produzindo conhecimento continuamente em larga escala. Essas empresas geralmente geram centenas de milhares de tickets por dia por meio de ferramentas de gerenciamento de projetos, como Jira, Bugzilla e Trello. Neste contexto, o compartilhamento apropriado de conhecimento sem automação é extremamente difícil ou até impossível. A chance de perder informações valiosas ao longo do tempo é alta. Para solucionar este problema, desenvolvemos um sistema de recomendação em que, para cada novo ticket, o sistema analisa e classifica os tickets relevantes no repositório para ajudar os usuários compartilhando conhecimentos e lições aprendidas em casos semelhantes anteriores. O sistema de recomendação é baseado no Vector Space Model (VSM) com TF-IDF e medida de similaridade cosseno. Os experimentos revelaram resultados positivos, mostrando que o VSM é uma técnica adequada para classificar tickets relevantes. Em combinação com o sistema de recomendação, foi desenvolvida uma técnica de seleção de características baseada no algoritmo genético e uma nova abordagem que o aprimora heuristicamente. O sistema de recomendação com seleção de características obteve resultados positivos (todos os resultados foram validados estatisticamente) em comparação ao método que se baseia no modelo tradicional de espaço vetorial, sem nenhum procedimento de seleção de características. A precisão aumentou em quase 23%, o tempo médio de pesquisa por consulta reduziu em 44% e o tamanho do vetor reduziu em 64%.