| Summary: | Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2015-11-12T12:16:34Z
No. of bitstreams: 2
Dissertacao - Raissa dos Santos Vieira - 2015.pdf: 1881110 bytes, checksum: 45839b9f148ac7ad37509a799c65c385 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) === Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2015-11-12T12:18:36Z (GMT) No. of bitstreams: 2
Dissertacao - Raissa dos Santos Vieira - 2015.pdf: 1881110 bytes, checksum: 45839b9f148ac7ad37509a799c65c385 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) === Made available in DSpace on 2015-11-12T12:18:36Z (GMT). No. of bitstreams: 2
Dissertacao - Raissa dos Santos Vieira - 2015.pdf: 1881110 bytes, checksum: 45839b9f148ac7ad37509a799c65c385 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5)
Previous issue date: 2015-08-13 === Fundação de Amparo à Pesquisa do Estado de Goiás - FAPEG === The graph drawing problem is to construct geometric representations of graphs in order
to obtain good drawings that meet user expectations. The problem becomes complex
because the concept of “good drawing” is subjective and relative, in other words, it can
vary according to the preferences or needs of each user. This paper presents a literature
review of approaches that explored to apply machine learning techniques for drawing
graphs. Then, it proposes a framework to collect user actions from interactions with
a graph drawing software and reuse them using case-based reasoning. The framework
was tested with a database interaction involving focus an genetic algorithm. The goal
was to determine whether the reuse of these actions made by users could lead to an
effective strategy for improvement graph drawings. Experiments were performed with
the database and algorithms, described along with the framework, in order to evaluate
the proposal approach through the statistical analysis of results obtained. The analysis
showed promising strategies, among them an algorithm that matches a preexisting genetic
algorithm running on the entire graph drawing, and the combination of this genetic
algorithm with a new algorithm that can produces better graph drawings. Such facts
motivate further research in this area. === O problema de desenho de grafos consiste em construir representações geométricas de
grafos de modo a obter bons desenhos, que atendam às expectativas dos usuários. O
problema se torna complexo pelo fato do conceito de “bom desenho” ser subjetivo e
relativo, ou seja, poder variar de acordo com as preferências e/ou necessidades de cada
usuário. Este trabalho apresenta uma revisão de literatura de abordagens que buscaram
aplicar técnicas de aprendizado de máquina para desenho de grafos. Em seguida, é
proposto um framework para coletar ações de usuários a partir de interações com um
software de desenho de grafos e reaproveitá-las utilizando raciocínio baseado em casos.
O framework foi testado com uma base de dados de interação envolvendo foco de um
algoritmo genético. O objetivo foi verificar se o reaproveitamento de ações de foco feitas
por usuários poderia levar a uma estratégia efetiva de melhoria de desenhos de grafos.
Foram realizadas experimentações com a base de dados e com algoritmos, descritos junto
com o framework, a fim de avaliar a abordagem proposta por meio da análise estatística
dos resultados obtidos. Essa análise mostrou estratégias promissoras, dentre elas, um
algoritmo proposto que se equipara a um algoritmo genético preexistente executando
sobre todo o desenho do grafo, e a combinação desse algoritmo genético com um novo
algoritmo capaz de criar desenhos de melhor qualidade, fatos estes que motivam para o
desenvolvimento de novas pesquisas nessa área.
|
|---|
