Identificação de dificuldades e questões de interesse de desenvolvedores de aplicações para Big Data com o framework Apache Spark

dc.contributor.advisorCosta, Umberto Souza da
dc.contributor.advisorIDpt_BR
dc.contributor.authorAlbuquerque, Denis José Sousa de
dc.contributor.authorIDpt_BR
dc.contributor.referees1Musicante, Martin Alejandro
dc.contributor.referees1IDpt_BR
dc.contributor.referees2Nunes, Marcus Alexandre
dc.contributor.referees2IDpt_BR
dc.contributor.referees3Souza Neto, Plácido Antonio de
dc.contributor.referees3IDpt_BR
dc.date.accessioned2019-12-04T22:08:11Z
dc.date.available2019-12-04T22:08:11Z
dc.date.issued2019-09-27
dc.description.abstractThis research aims to identify and classify the main difficulties and issues of interest of Apache Spark application developers regarding the framewok usage. For this purpose, we use the Latent Dirichlet Allocation algorithm to perform a probabilistic modeling of topics on information extracted from Stack Overflow, since the manual inspection of the entire dataset is not feasible. From the knowledge obtained by the comprehensive study of related works, we established and applied a methodology based on the practices usually employed. We developed Spark applications for the automated execution os tasks, such as the data selection and preparation, the discovery of topics - applying the probabilistic modeling algorithm with various configurations - and metrics computation. Analyzes of the results were carried by a group of 5 researchers: two doctor professors, one doctoral student and two master students. Based on the semantic analysis of the labels assigned to each of the identified topics, a taxonomy of interests and difficulties was constructed. Finally, we ranked the most important themes according to the various calculated metrics and compared the methods and results of our study with those presented in another work.pt_BR
dc.description.resumoEste trabalho de pesquisa busca identificar e classificar as principais dificuldades e questões de interesse dos desenvolvedores de aplicações para o processamento de Big Data utilizando o framework Apache Spark. Nesse sentido, utilizamos o algoritmo Latent Dirichlet Allocation para realizar a modelagem probabilística de tópicos em informações extraídas do Stack Overflow, uma vez que não é viável a inspeção manual de todo o conjunto de dados. A partir do conhecimento obtido pelo estudo abrangente de trabalhos relacionados, estabelecemos e aplicamos uma metodologia baseada nas práticas usualmente empregadas. Construímos aplicações Spark para execução automatizada das tarefas, tais como a seleção e preparação dos dados, o agrupamento de tópicos – aplicação do algoritmo de modelagem probabilista para várias configurações – e a computação de métricas. Análises sobre os resultados obtidos foram conduzidas por um grupo composto por 5 pesquisadores: dois professores doutores, um aluno doutorando e dois alunos mestrandos. A partir da análise semântica dos rótulos atribuídos para cada um dos tópicos identificados, uma taxonomia de interesses e dificuldades foi construída. Por fim, estabelecemos um ranqueamento dos temas mais importantes de acordo com as várias métricas calculadas e comparamos os métodos e resultados de nosso estudo com os apresentados em outro trabalho.pt_BR
dc.identifier.citationALBUQUERQUE, Denis José Sousa de. Identificação de dificuldades e questões de interesse de desenvolvedores de aplicações para Big Data com o framework Apache Spark. 2019. 118f. Dissertação (Mestrado em Sistemas e Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2019.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/jspui/handle/123456789/28122
dc.languagept_BRpt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃOpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectBig Datapt_BR
dc.subjectApache Sparkpt_BR
dc.subjectModelagem de tópicos probabilísticapt_BR
dc.subjectLatent Dirichlet Allocation (LDA)pt_BR
dc.subjectStack Overflowpt_BR
dc.subjectTaxonomiapt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpt_BR
dc.titleIdentificação de dificuldades e questões de interesse de desenvolvedores de aplicações para Big Data com o framework Apache Sparkpt_BR
dc.title.alternativeIdentification of difficulties and issues of interest to Big Data application developers using the Apache Sparkpt_BR
dc.typemasterThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
Identificaçãodificuldadesquestões_Albuquerque_2019.pdf
Tamanho:
5.06 MB
Formato:
Adobe Portable Document Format
Carregando...
Imagem de Miniatura
Baixar