https://repositorio.ufsc.br/handle/123456789/7444 Ciências da Computação Thu, 04 Jun 2026 14:57:18 GMT 2026-06-04T14:57:18Z http://repositorio.ufsc.br:80/bitstream/id/7e371d3d-1360-4ee1-acb5-e63e443d77ec/ https://repositorio.ufsc.br/handle/123456789/7444 https://repositorio.ufsc.br/handle/123456789/273461 Avaliação de modelos de NER para reconhecimento de nomes e cargos em processos judiciais Flores, Gabriel Soares O presente trabalho apresenta o desenvolvimento e avaliação de modelos de Reconhecimento e Classificação de Entidades Nomeadas (NERC) voltados à identificação de cargos políticos em documentos textuais. Inicialmente, foi realizada a conversão de arquivos brutos para o formato Markdown, otimizando a estrutura dos dados para anotação e processamento. Em seguida, foram treinados dois modelos utilizando a biblioteca spaCy: um modelo do zero, com um novo conjunto de dados anotado com cargos políticos, e um modelo baseado no re-treinamento do modelo pré-existente em português, com a adição das novas entidades. A avaliação dos modelos foi conduzida por meio da métrica F1-score e de outras abordagens comparativas encontradas na literatura. Os resultados demonstram a viabilidade do uso de modelos personalizados com corpus especializado para tarefas específicas de NERC.; This work presents the development and evaluation of Named Entity Recognition and Classi- fication (NERC) models aimed at identifying political office titles in textual documents. The initial step involved converting raw text files into Markdown format to optimize data struc- ture for annotation and processing. Two models were then trained using the spaCy library: one built from scratch with a newly annotated dataset containing political roles, and another re- trained from an existing Portuguese-language model with added entity labels. The performance of both models was assessed using the F1-score metric and other comparative techniques from the state of the art. The results confirm the feasibility of using customized models trained on specialized corpora for targeted NERC tasks TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Ciências da Computação. Fri, 11 Jul 2025 00:00:00 GMT https://repositorio.ufsc.br/handle/123456789/273461 2025-07-11T00:00:00Z https://repositorio.ufsc.br/handle/123456789/272466 SISTEMA DE APOIO A DECISÃO CLÍNICA PARA O DIAGNÓSTICO DE ÚLCERAS VASCULARES Losso, Felipe Del Corona Este trabalho de conclusão de curso apresenta o desenvolvimento de um sistema de apoio à decisão clínica para diagnóstico e tratamento de úlceras vasculares, utilizando lógica fuzzy para lidar com incertezas e complexidades dos dados médicos. A proposta visa classificar lesões como arteriais ou venosas, avaliando seu risco em diferentes graus. A arquitetura do sistema integra frontend, backend e banco de dados. O sistema foi implementado utilizando um backend em Python, com mó- dulos de inferência fuzzy, sistema especialista, integração com banco de dados e geração de prontuário em PDF, e um frontend desenvolvido na plataforma Bubble.io para interação com profissionais de saúde. O sistema apresentou uma acurácia de 100% na classificação do tipo de lesão e 86,7% na estimativa de risco. Testes de usabilidade realizados com profissionais da saúde mostraram excelente aceitação, com pon- tuação média SUS de 85,94. Os resultados indicam que a ferramenta possui potencial para auxiliar a tomada de decisão clínica em cená- rios onde o acesso a especialistas é limitado, contribuindo para maior padronização, segurança e agilidade no diagnóstico e tratamento de úlceras vasculares. TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Ciências da Computação. Fri, 05 Dec 2025 00:00:00 GMT https://repositorio.ufsc.br/handle/123456789/272466 2025-12-05T00:00:00Z https://repositorio.ufsc.br/handle/123456789/271104 Incorporação do Modelo de Agregados na ferramenta brModeloWeb Luiz, Felipe Cruz Os bancos de dados NoSQL surgiram no início do século XXI para atender às necessi- dades de ambientes web modernos, oferecendo uma abordagem mais flexível e escalável em comparação com os bancos de dados relacionais. Uma das principais abordagens para projeto de bancos de dados NoSQL é a modelagem de dados baseada em agregados. Essa modelagem organiza conjuntos de dados complexos em estruturas compactas, tratando coleções de informações como uma única unidade lógica. Isso não apenas facilita a mani- pulação dos dados, mas também torna mais eficiente a operação em clusters distribuídos, com suporte aprimorado à replicação e fragmentação. Um esquema de agregados pode ser definido como uma abstração intermediária a partir de uma modelagem conceitual, como um diagrama entidade-relacionamento, ou definida diretamente por um projetista de dados. A partir desta modelagem de agregados pode-se, então, gerar, de uma forma mais simplificada, o projeto lógico para algum modelo de dados NoSQL. Este trabalho propõe o desenvolvimento de um módulo para a ferramenta BrModeloWeb que permite a modelagem interativa de esquemas de agregados, para, a partir dela, ser possível gerar esquemas lógicos para bancos de dados NoSQL. Por meio de uma interface interativa, ela permite que os usuários manipulem conceitos do modelo de agregados de forma intui- tiva, criando representações lógicas de dados agregados. A implementação desse módulo busca beneficiar tanto a academia quanto à indústria de software. Na academia, ela pode ser utilizada para fins educacionais, permitindo que estudantes compreendam melhor a modelagem de bancos NoSQL. Já na indústria, a proposta visa agilizar o processo de de- senvolvimento de soluções que exigem bancos de dados altamente escaláveis, contribuindo para um design mais eficiente e adaptável de sistemas complexos. TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Ciências da Computação. Wed, 03 Dec 2025 00:00:00 GMT https://repositorio.ufsc.br/handle/123456789/271104 2025-12-03T00:00:00Z https://repositorio.ufsc.br/handle/123456789/270979 Análise de códigos usando large language models para identificação de code smell em aplicativos criados com App Inventor Arruda, Marco Antônio Machado de Code smells são indícios de problemas estruturais em um código que, embora não comprometam imediatamente sua execução, podem impactar negativamente sua manutenção e evolução. A identificação desses padrões é essencial para garantir a qualidade do software, especialmente em ambientes educacionais, onde programadores iniciantes estão em processo de formação. Nesse contexto, a programação por blocos, como a oferecida pela plataforma App Inventor, destaca-se como uma abordagem acessível para o ensino de lógica de programação. Este Trabalho de Conclusão de Curso propõe uma abordagem automatizada para análise de códigos criados com App Inventor, utilizando técnicas de RAG com modelos de LLM para identificação de code smells. O objetivo é apoiar o ensino de boas práticas de desenvolvimento desde os primeiros contatos dos alunos com a programação, promovendo uma base mais sólida e sustentável para a aprendizagem em computação. Foram testados diferentes modelos locais de LLM, para a tentativa de identificação de smells, contudo, devido às limitações de hardware e modelos simples, não foram obtidos bons resultados para execução local. TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Ciências da Computação. Wed, 03 Dec 2025 00:00:00 GMT https://repositorio.ufsc.br/handle/123456789/270979 2025-12-03T00:00:00Z