Pub Date : 2022-11-28DOI: 10.5753/eniac.2022.227555
R. F. Lins, F. Barros, R. Prudêncio, Wallace N. Melo
When a failure is found during software testing activities, a bug report (BR) is written and stored in product management tools. In order to prioritize the errors to fix, a BR triage process is performed to identify the most critical errors. This is specifically relevant in the context of mobile applications due to the fast development cycle, which results on a high number of BRs to evaluate daily. In this paper, Machine Learning (ML) and Natural Language Processing (NLP) techniques are investigated to automatically classify the criticality of BRs in the context of a real mobile environment, and a prototype was developed. Results on a corpus of 9,785 BRs were very satisfactory, reaching up to 0.79 of AUC and meeting the performance level required by the considered application.
{"title":"Automatic Classification of Bug Reports for Mobile Devices: An Industrial Case Study","authors":"R. F. Lins, F. Barros, R. Prudêncio, Wallace N. Melo","doi":"10.5753/eniac.2022.227555","DOIUrl":"https://doi.org/10.5753/eniac.2022.227555","url":null,"abstract":"When a failure is found during software testing activities, a bug report (BR) is written and stored in product management tools. In order to prioritize the errors to fix, a BR triage process is performed to identify the most critical errors. This is specifically relevant in the context of mobile applications due to the fast development cycle, which results on a high number of BRs to evaluate daily. In this paper, Machine Learning (ML) and Natural Language Processing (NLP) techniques are investigated to automatically classify the criticality of BRs in the context of a real mobile environment, and a prototype was developed. Results on a corpus of 9,785 BRs were very satisfactory, reaching up to 0.79 of AUC and meeting the performance level required by the considered application.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"20 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"133435968","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-11-28DOI: 10.5753/eniac.2022.227593
Rubem G. Nanclarez, N. T. Roman, F. J. V. D. Silva
Natural language inference is the task of automatically identifying whether a given text (premise) implies another (hypothesis). Among multiple possible applications, it is especially relevant in the legal field to understand textual entailment between legal sentences, being the focus of recent research efforts. In this work, we evaluated the usage of BERT for natural language inference by conducting experiments and comparing results obtained by testing on a larger corpus with texts from multiple domains and a smaller corpus of legal sentences. Furthermore, we conducted a cross-experiment by training on the larger corpus and testing on the legal corpus. As a result, we obtained a mean accuracy of 88.91% in the corpus with multiple domains, a value comparable to related work. However, the same technique presented lower scores in the legal corpus and the cross-experiment.
{"title":"Generalizing over data sets: a preliminary study with BERT for Natural Language Inference","authors":"Rubem G. Nanclarez, N. T. Roman, F. J. V. D. Silva","doi":"10.5753/eniac.2022.227593","DOIUrl":"https://doi.org/10.5753/eniac.2022.227593","url":null,"abstract":"Natural language inference is the task of automatically identifying whether a given text (premise) implies another (hypothesis). Among multiple possible applications, it is especially relevant in the legal field to understand textual entailment between legal sentences, being the focus of recent research efforts. In this work, we evaluated the usage of BERT for natural language inference by conducting experiments and comparing results obtained by testing on a larger corpus with texts from multiple domains and a smaller corpus of legal sentences. Furthermore, we conducted a cross-experiment by training on the larger corpus and testing on the legal corpus. As a result, we obtained a mean accuracy of 88.91% in the corpus with multiple domains, a value comparable to related work. However, the same technique presented lower scores in the legal corpus and the cross-experiment.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"242 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"115634168","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-11-28DOI: 10.5753/eniac.2022.227601
Matheus P. Almeida, K. V. Delgado, S. M. Peres, Marcelo Fantinato
In many organizational contexts, the existence of a normative process model makes it possible to verify if the actual execution of activities of a business process conforms to that model. Non-conforming behavior can be detected by aligning the actions recorded in the event log with a related normative process model. The alignment approach uses a cost-function to build an execution path that shows which actions do not conform to the model, and which are the expected activities for that trace. In this paper, we are interested on finding the optimal probable alignment using a history-base cost-function, i.e. a function based on the process execution history. For that, we use as a base implementation the planning-based approach, previously proposed in the literature, which demonstrates to find large processes faster when compared to A* for standard cost-functions. We incorporate in this tool the automatic generation of an history-base cost-function to find an optimal probable alignment. In addition, we evaluated our approach using data from both synthetic event logs and a real-life event log.
{"title":"Using automatic planning to find the most probable alignment: A history-based approach","authors":"Matheus P. Almeida, K. V. Delgado, S. M. Peres, Marcelo Fantinato","doi":"10.5753/eniac.2022.227601","DOIUrl":"https://doi.org/10.5753/eniac.2022.227601","url":null,"abstract":"In many organizational contexts, the existence of a normative process model makes it possible to verify if the actual execution of activities of a business process conforms to that model. Non-conforming behavior can be detected by aligning the actions recorded in the event log with a related normative process model. The alignment approach uses a cost-function to build an execution path that shows which actions do not conform to the model, and which are the expected activities for that trace. In this paper, we are interested on finding the optimal probable alignment using a history-base cost-function, i.e. a function based on the process execution history. For that, we use as a base implementation the planning-based approach, previously proposed in the literature, which demonstrates to find large processes faster when compared to A* for standard cost-functions. We incorporate in this tool the automatic generation of an history-base cost-function to find an optimal probable alignment. In addition, we evaluated our approach using data from both synthetic event logs and a real-life event log.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"347 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116352198","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-11-28DOI: 10.5753/eniac.2022.227629
Leonardo Corrêa Cardoso, Fábio Pires Mourão, Elisangela Martins de Sá, S. R. Souza
O problema de localização de cobertura de conjunto parcial consiste em localizar um conjunto de instalações de forma a minimizar o custo total de localização e garantir que uma quantidade predeterminada de demanda de clientes seja coberta por estas instalações. Este artigo apresenta um algoritmo baseado na metaheurística Iterated Local Search para a resolução deste problema. Além disso, um conjunto de experimentos computacionais foram realizados e resultados demonstram que boas soluções podem ser encontradas para instâncias moderadamente grandes.
{"title":"Metaheurística Iterated Local Search Aplicada ao Problema de Localização com Cobertura Parcial","authors":"Leonardo Corrêa Cardoso, Fábio Pires Mourão, Elisangela Martins de Sá, S. R. Souza","doi":"10.5753/eniac.2022.227629","DOIUrl":"https://doi.org/10.5753/eniac.2022.227629","url":null,"abstract":"O problema de localização de cobertura de conjunto parcial consiste em localizar um conjunto de instalações de forma a minimizar o custo total de localização e garantir que uma quantidade predeterminada de demanda de clientes seja coberta por estas instalações. Este artigo apresenta um algoritmo baseado na metaheurística Iterated Local Search para a resolução deste problema. Além disso, um conjunto de experimentos computacionais foram realizados e resultados demonstram que boas soluções podem ser encontradas para instâncias moderadamente grandes.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"32 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132181817","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-11-28DOI: 10.5753/eniac.2022.227599
Francisco F. de S. Neto, V. D. S. Jorge, C. Silva
Interfaces Cérebro-Máquina baseadas em Imagética Motora (ICM-IM) permitem o controle de dispositivos independente do uso de nervos e músculos periféricos. Este trabalho propõe dois cenários, com o intuito de comparar o desempenho final dos mesmos. Dentre as diferenças entre eles, estão:a forma em que é feito o janelamento do sinal; o treinamento das ICMís e a classificação, onde é aplicado um método de classificação que faz uso de uma estratégia de fusão de classificadores tendo uma rede neural como responsável pela decisão final.
{"title":"Comparison of performance of scenarios with one and three brain-machine interfaces applied","authors":"Francisco F. de S. Neto, V. D. S. Jorge, C. Silva","doi":"10.5753/eniac.2022.227599","DOIUrl":"https://doi.org/10.5753/eniac.2022.227599","url":null,"abstract":"Interfaces Cérebro-Máquina baseadas em Imagética Motora (ICM-IM) permitem o controle de dispositivos independente do uso de nervos e músculos periféricos. Este trabalho propõe dois cenários, com o intuito de comparar o desempenho final dos mesmos. Dentre as diferenças entre eles, estão:a forma em que é feito o janelamento do sinal; o treinamento das ICMís e a classificação, onde é aplicado um método de classificação que faz uso de uma estratégia de fusão de classificadores tendo uma rede neural como responsável pela decisão final.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"71 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"132088498","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-11-28DOI: 10.5753/eniac.2022.227165
Thiago I. A. Lira, Marcelo Finger
Dada a crescente importância da predição da resistência compressiva do cimento para o uso mais eficiente dos recursos da indústria, trabalhos recentes tem experimentado com modelos estatísticos para auxiliar o processo industrial. Esse trabalho estuda a aplicação de Aprendizagem Profunda Bayesiana para obtensão de predições robustas de resistência compressiva. Nosso trabalho é um caminho para que modelos similares possam no futuro serem integrados ao processo de tomada de decisão no chão de fábrica.
{"title":"Bayesian Neural Models for Time-Series Prediction of CS28 Compressive Strength in Cement Manufacturing","authors":"Thiago I. A. Lira, Marcelo Finger","doi":"10.5753/eniac.2022.227165","DOIUrl":"https://doi.org/10.5753/eniac.2022.227165","url":null,"abstract":"Dada a crescente importância da predição da resistência compressiva do cimento para o uso mais eficiente dos recursos da indústria, trabalhos recentes tem experimentado com modelos estatísticos para auxiliar o processo industrial. Esse trabalho estuda a aplicação de Aprendizagem Profunda Bayesiana para obtensão de predições robustas de resistência compressiva. Nosso trabalho é um caminho para que modelos similares possam no futuro serem integrados ao processo de tomada de decisão no chão de fábrica.","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"25 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-11-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"116663517","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2022-05-03DOI: 10.5753/eniac.2022.227520
R. F. D. S. Teixeira, R. B. Januzi, F. Faria
Com os avanços das técnicas de processamento e análise de imagens, o uso de sistemas de reconhecimento biométrico em tarefas cotidianas das pessoas já é uma realidade. Dentre essas tarefas estão desde um simples acesso aos dispositivos móveis até a marcação de amigos em fotos compartilhadas em redes sociais e as complexas operações financeiras em equipamentos de autoatendimento para transações bancárias. Em 5 de julho de 2021, o governo brasileiro anunciou a compra de um sistema de reconhecimento biométrico para ser utilizado em todo território nacional. Neste sentido, este artigo propõe a abertura de uma discussão mais aprofundada sobre a adoção de tais sistemas para a identificação dos cidadãos brasileiros e quais os problemas que podem emergir se o sistema não for bem projetado, implantado e gerenciado. Além disso, uma lista de dez questões foi criada para iniciar essa conversa sobre segurança dos dados dos brasileiros na Era da Inteligência Artificial (IA) e o respeito à Lei Geral de Proteção dos Dados (LGPD).
{"title":"The Brazilian Data at Risk in the Age of AI?","authors":"R. F. D. S. Teixeira, R. B. Januzi, F. Faria","doi":"10.5753/eniac.2022.227520","DOIUrl":"https://doi.org/10.5753/eniac.2022.227520","url":null,"abstract":"Com os avanços das técnicas de processamento e análise de imagens, o uso de sistemas de reconhecimento biométrico em tarefas cotidianas das pessoas já é uma realidade. Dentre essas tarefas estão desde um simples acesso aos dispositivos móveis até a marcação de amigos em fotos compartilhadas em redes sociais e as complexas operações financeiras em equipamentos de autoatendimento para transações bancárias. Em 5 de julho de 2021, o governo brasileiro anunciou a compra de um sistema de reconhecimento biométrico para ser utilizado em todo território nacional. Neste sentido, este artigo propõe a abertura de uma discussão mais aprofundada sobre a adoção de tais sistemas para a identificação dos cidadãos brasileiros e quais os problemas que podem emergir se o sistema não for bem projetado, implantado e gerenciado. Além disso, uma lista de dez questões foi criada para iniciar essa conversa sobre segurança dos dados dos brasileiros na Era da Inteligência Artificial (IA) e o respeito à Lei Geral de Proteção dos Dados (LGPD).","PeriodicalId":165095,"journal":{"name":"Anais do XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022)","volume":"53 1","pages":"0"},"PeriodicalIF":0.0,"publicationDate":"2022-05-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"114754574","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：