Deduplicação de indivíduos a partir de Record Linkage baseado em busca vetorial

dc.creatorPita, Pablo Luiz Lemos
dc.creatorOliveira, Grinaldo Lopes de
dc.creatorPita, Robespierre Dantas da Rocha
dc.date.accessioned2026-10-19T18:58:40Z
dc.date.available2026-08-04
dc.date.available2026-10-19T18:58:40Z
dc.date.issued2026-08-04
dc.description.abstractNão se aplicapt_BR
dc.description.provenanceSubmitted by GABRIELA MARINHO DOS SANTOS (gabrielamarinho@ifba.edu.br) on 2026-08-18T18:33:26Z No. of bitstreams: 5 TERMO_Grinaldo_Lopes_de_Oliveira_Artigo_AnáliseDesenvSistem.pdf: 211726 bytes, checksum: 3b856165c4afe6c6dfefd2d64dc48293 (MD5) TERMO_Robespierre_Dantas_da_Rocha_Pita_Artigo_AnálDesenvSistem.pdf: 211873 bytes, checksum: 545d8b60a6a2509ea0d47b337a6dff3e (MD5) TERMO_Pablo_Luiz_Lemos_Pita_Artigo_Pós_AnáliseDesenSistem.pdf: 207159 bytes, checksum: 1cacd06d8a06228ece5acdf57c0b6913 (MD5) Artigo_Deduplicacao_de_Individuos_AnálisDesenvSistem.pdf: 319669 bytes, checksum: 24c117c36ec0753095d941705b5b693a (MD5) license_rdf: 914 bytes, checksum: 2b2ab6ec8a6a222739b9c0e57c635c2e (MD5)en
dc.description.provenanceApproved for entry into archive by ANDRÉIA S. RIBEIRO SILVA (andreiasr@ifba.edu.br) on 2026-10-19T18:58:40Z (GMT) No. of bitstreams: 5 TERMO_Grinaldo_Lopes_de_Oliveira_Artigo_AnáliseDesenvSistem.pdf: 211726 bytes, checksum: 3b856165c4afe6c6dfefd2d64dc48293 (MD5) TERMO_Robespierre_Dantas_da_Rocha_Pita_Artigo_AnálDesenvSistem.pdf: 211873 bytes, checksum: 545d8b60a6a2509ea0d47b337a6dff3e (MD5) TERMO_Pablo_Luiz_Lemos_Pita_Artigo_Pós_AnáliseDesenSistem.pdf: 207159 bytes, checksum: 1cacd06d8a06228ece5acdf57c0b6913 (MD5) Artigo_Deduplicacao_de_Individuos_AnálisDesenvSistem.pdf: 319669 bytes, checksum: 24c117c36ec0753095d941705b5b693a (MD5) license_rdf: 914 bytes, checksum: 2b2ab6ec8a6a222739b9c0e57c635c2e (MD5)en
dc.description.provenanceMade available in DSpace on 2026-10-19T18:58:40Z (GMT). No. of bitstreams: 5 TERMO_Grinaldo_Lopes_de_Oliveira_Artigo_AnáliseDesenvSistem.pdf: 211726 bytes, checksum: 3b856165c4afe6c6dfefd2d64dc48293 (MD5) TERMO_Robespierre_Dantas_da_Rocha_Pita_Artigo_AnálDesenvSistem.pdf: 211873 bytes, checksum: 545d8b60a6a2509ea0d47b337a6dff3e (MD5) TERMO_Pablo_Luiz_Lemos_Pita_Artigo_Pós_AnáliseDesenSistem.pdf: 207159 bytes, checksum: 1cacd06d8a06228ece5acdf57c0b6913 (MD5) Artigo_Deduplicacao_de_Individuos_AnálisDesenvSistem.pdf: 319669 bytes, checksum: 24c117c36ec0753095d941705b5b693a (MD5) license_rdf: 914 bytes, checksum: 2b2ab6ec8a6a222739b9c0e57c635c2e (MD5) Previous issue date: 2026-08-04en
dc.description.resumoNos bancos de dados modernos, a recuperação de informações nem sempre pode ser realizada por meio de identificadores únicos. Em bases heterogêneas e sujeitas a inconsistências, torna-se necessário empregar técnicas capazes de identificar registros pertencentes a mesma entidade, mesmo na presença de variações textuais, dados incompletos ou erros de preenchimento. Nesse contexto destaca-se o record linkage técnica utilizada para vincular registros de uma mesma entidade a partir da comparação de atributos equivalentes. Tradicionalmente, o record linkage utiliza funções de similaridade textual, como Jaro, Jaro-Winkler e Levenshtein. Entretanto, essas abordagens podem apresentar limitações diante de variações semânticas e inconsistências mais complexas.Este trabalho propõe uma abordagem de deduplicação de indivíduos baseada em record linkage utilizando busca vetorial aproximada. Para isso, empregam-se modelos de linguagem para representar registros por meio de embeddings, permitindo capturar relações semânticas entre diferentes formas de escrita, abreviações e erros comuns em bases de dados reais. A indexação e a recuperação dos vetores são realizadas por meio da estrutura Hierarchical Navigable Small Worlds (HNSW), possibilitando a busca eficiente por registros similares. Por fim, a abordagem proposta é comparada a métodos tradicionais baseados em similaridade textual, considerando métricas de desempenho e qualidade, como precisão, acurácia, sensibilidade e F1-score. Os resultados obtidos permitem avaliar o potencial da busca vetorial aproximada como alternativa para aprimorar processos de deduplicacão e record linkage em cenários com dados heterogêneos e inconsistentes.pt_BR
dc.identifier.citationPITA, Pablo Luiz Lemos; OLIVEIRA, Grinaldo Lopes de; PITA, Robespierre Dantas da Rocha. Deduplicação de indivíduos a partir de Record Linkage baseado em busca vetorial. 2026. Disponível em: https://repositorio.ifba.edu.br/jspui/submit#dc_subjectpt_BR
dc.identifier.urihttps://repositorio.ifba.edu.br/jspui/handle/123456789/1348
dc.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia da Bahiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsIFBApt_BR
dc.rightsAcesso Abertopt_BR
dc.rightsAttribution 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/us/*
dc.subjectRecuperação da informaçãopt_BR
dc.subjectRecord Linkagept_BR
dc.subjectEmbeddingspt_BR
dc.subjectHierarchical Navigable Small Worldspt_BR
dc.subjectDeduplicaçãopt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleDeduplicação de indivíduos a partir de Record Linkage baseado em busca vetorialpt_BR
dc.typeOutropt_BR

Arquivos

Pacote original

Agora exibindo 1 - 4 de 4
Carregando...
Imagem de Miniatura
Nome:
TERMO_Grinaldo_Lopes_de_Oliveira_Artigo_AnáliseDesenvSistem.pdf
Tamanho:
206.76 KB
Formato:
Item-specific Creative Commons license agreed upon to submission
Descrição:
Carregando...
Imagem de Miniatura
Nome:
TERMO_Robespierre_Dantas_da_Rocha_Pita_Artigo_AnálDesenvSistem.pdf
Tamanho:
206.91 KB
Formato:
Item-specific Creative Commons license agreed upon to submission
Descrição:
Carregando...
Imagem de Miniatura
Nome:
TERMO_Pablo_Luiz_Lemos_Pita_Artigo_Pós_AnáliseDesenSistem.pdf
Tamanho:
202.3 KB
Formato:
Item-specific Creative Commons license agreed upon to submission
Descrição:
Carregando...
Imagem de Miniatura
Nome:
Artigo_Deduplicacao_de_Individuos_AnálisDesenvSistem.pdf
Tamanho:
312.18 KB
Formato:
Adobe Portable Document Format
Descrição:

Licença do pacote

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2.15 KB
Formato:
Item-specific license agreed upon to submission
Descrição: