@MASTERSTHESIS{ 2016:1811769645,
 	title = {Uma estratégia eficiente de treinamento para Programação Genética aplicada a deduplicação de registros},
 	year = {2016},
 	url = "http://tede.ufam.edu.br/handle/tede/5552",
 	abstract = "O volume de informação em formato digital tem aumentado consideravelmente nas
 últimas décadas, e isso tem causado preocupação entre os administradores de grandes
 repositórios de dados. Trabalhar com esse crescimento e proteger os dados de forma
 eficaz é um desafio ainda maior. Em muitos repositórios, o principal problema é a
 existência de dados replicados. Isso pode afetar a qualidade dos dados e a capacidade
 de fornecer serviços que atendam as demandas dos seus clientes. Porém, a remoção
 de registros replicados é uma tarefa que exige muito tempo e poder de processamento
 computacional.
 Atualmente, uma das técnicas que vem sendo utilizada de forma eficaz no processo
 de remoção de registros replicados é a Programação Genética (PG). Uma das
 principais características dessa técnica é que ela exige exemplos para a realização da
 etapa de treinamento. Outra característica importante é que a PG exige um alto custo
 computacional para ser aplicada, além do esforço para gerar os exemplos do treino.
 No problema de deduplicação um dos maiores custos durante a etapa de treino é causado
 pela necessidade de comparar cada um dos registros com todos os outros registros
 existentes no banco de dados. Assim, o tempo gasto para realizar essas comparações
 durante o treino é muito grande.
 A partir desse problema, esta dissertação propõe uma abordagem baseada na
 combinação de uma técnica de agrupamento e janela deslizante, visando minimizar a
 quantidade de comparações exigidas na etapa de treinamento da PG. Experimentos utilizando
 dados reais e sintéticos, mostram que é possível reduzir o custo de treinamento
 em até 70%, sem uma redução significativa na qualidade das soluções geradas.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}