@MASTERSTHESIS{ 2016:788132947,
 	title = {Multi-objective optimization in learn to pre-compute evidence fusion to obtain high quality compressed web search indexes},
 	year = {2016},
 	url = "http://tede.ufam.edu.br/handle/tede/5128",
 	abstract = "M?quinas de busca web para a web indexam grandes volumes de dados, lidando com
 cole??es que muitas vezes s?o compostas por dezenas de bilh?es de documentos. M?todos
 aprendizagem de m?quina t?m sido adotados para gerar as respostas de alta qualidade
 nesses sistemas e, mais recentemente, h? m?todos de aprendizagem de m?quina propostos
 para a fus?o de evid?ncias durante o processo de indexa??o das bases de dados. Estes
 m?todos servem ent?o n?o somente para melhorar a qualidade de respostas em sistemas de
 busca, mas tamb?m para reduzir custos de processamento de consultas. O ?nico m?todo
 de fus?o de evid?ncias em tempo de indexa??o proposto na literatura tem como foco exclusivamente
 o aprendizado de fun??es de fus?o de evid?ncias que gerem bons resultados
 durante o processamento de consulta, buscando otimizar este ?nico objetivo no processo
 de aprendizagem.
 O presente trabalho apresenta uma proposta onde utiliza-se o m?todo de aprendizagem
 com m?ltiplos objetivos, visando otimizar, ao mesmo tempo, tanto a qualidade de
 respostas produzidas quando o grau de compress?o do ?ndice produzido pela fus?o de
 rankings. Os resultados apresentados indicam que a ado??o de um processo de aprendizagem
 com m?ltiplos objetivos permite que se obtenha melhora significativa na compress?o
 dos ?ndices produzidos sem que haja perda significativa na qualidade final do ranking
 produzido pelo sistema.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de P?s-gradua??o em Inform?tica},
 	note = {Instituto de Computa??o}
}