Documentar o raciocínio sobre decisões arquiteturais e de implementação em mensagens de commit não é incomum. Tais mensagens são escritas em formato não-estruturado conforme o projeto é atualizado. Poder classificá-las e utilizá-las para melhorar a compreensão da arquitetura de um projeto pode trazer melhorias ao desenvolvimento. Este trabalho apresenta uma versão multiagente de um trabalho existente e propõe um modelo para um sistema autônomo de extração e classificação de commits baseada em palavras-chave de projetos definidas pelo usuário.
A mídia, geradora de informações, impõe a necessidade da aplicação de técnicas para analise textual que capta opiniões sobre tematicas diversas. A Mineração Textual refere-se a dados não-estruturados tratados pelo KDT que consiste em um conjunto de procedimentos para crtica e permissão da continuidade do processo analítico. Objetiva-se inferir palavras-chave no contexto da conhecimento da COVID-19. A opção metodologica ao Fuzzy C-Means agrupou os termos em função da similaridade semântica e inferiu termos considerados "objeto típico", palavras-chave. A aplicação valeu-se de dois textos que permitiram criar histogramas dos termos e determinar o limiar para corte dos considerados irrelevantes. O gráfico de dispersão foi construído pelas frequências relativas dos termos remanescentes e a alocação no plano cartesiano indicou a quantidade de grupos vizinhos. Ao aplicar o metodo fuzzy a palavra-chave de destaque foi "infecção", que espelha a letalidade do COVID-19, uma vez que liderou um dos grupos.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.