Coordenadores

Tiago Cruz de França

José Luiz Thomaselli Nogueira
João Francisco Antunes

Realização
Sociedade Brasileira de Computação - SBC
Universidade do Grande Rio - UNIGRANRIO
Universidade Federal Rural do Rio de Janeiro - UFRRJ
 Dados Internacionais de Catalogação na Publicação (CIP)

E612
Escola Regional de Sistemas de Informação (6. : 2019: Duque de Caxias, RJ).

Minicursos da VI Escola Regional de Sistemas de Informação [recurso eletrônico] :

06 a 09 de novembro de 2019, UNIGRANRIO – Duque de Caxias / coordenadores
Tiago Cruz de França, José Luiz Thomaselli Nogueira, João Francisco Antunes. – Rio
de Janeiro : SBC, 2019.
1 recurso eletrônico. (157 p.)

Inclui bibliografia.
ISBN 978-85-7669-488-5 (e-book)

1. Tecnologia da informação. 2. Informática. 3. Escola Regional de Sistemas de

Informação (ERSI). I. França, Tiago Cruz de. II. Nogueira, José Luiz Thomaselli. III.
Antunes, João Francisco. IV. Sociedade Brasileira de Computação. V. Universidade do
Grande Rio (Unigranrio). VI. Título.

CDD 004

Ficha catalográfica elaborada pela bibliotecária Tatiana Ribeiro – CRB-7/6199

 Prefácio
A Escola Regional de Sistemas de Informação do estado do Rio de Janeiro (ERSI-RJ) é um evento que
reúne profissionais, professores e estudantes interessados em aprender e discutir problemas, soluções e
conceitos relacionados a Sistemas de Informação. Os minicursos são atividades de curta duração
(quatro horas) que fazem parte da programação da ERSI-RJ. Eles abordam temas relacionados a
Sistemas de Informação com objetivo de proporcionar ao público da escola um ambiente de
aprendizagem e de discussão de tendências e desafios na área de Sistemas de Informação.
Este ano foram selecionados cinco minicursos entre quatorze propostas submetidas à ERSI-RJ. A
seleção foi realizada por um comitê formado por vinte e seis avaliadores. Todos professores e
profissionais de Sistemas de Informação. Os critérios de seleção das propostas foram: relevância para o
evento, expectativa de público, atualidade e conteúdo.
Os temas dos minicursos selecionados abordam algoritmos de recomendação, análise de
sentimentos, LGPD (Lei Geral de Proteção de Dados) e Bancos de Dados, ensino de matemática a
alunos com deficiência visual e fusão de dados em ambientes inteligentes. O material de referência dos
minicursos compõem a segunda edição de livro de minicurso da ERSI-RJ.
No primeiro capítulo, “Conceitos, Implementação e Dados Privados de Algoritmos de
Recomendação”), os autores adotaram uma abordagem prática e simples para apresentar diferentes
algoritmos de recomendação de informação. Em seguida, eles discutiram a importância desses
algoritmos e os desafios de privacidade relacionados à recomendação de informação. No segundo
capítulo, “Introdução à Análise de Sentimentos com Word Clouds”, os autores introduziram conceitos
de análise de sentimentos em textos, apresentando exemplos e estratégias de visualização dos resultados
das análises. No terceiro capítulo, “LGPD em Ambientes de Bancos de Dados nas Organizações”, as
autoras apresentaram os principais pontos da lei, sua influência em ambientes de bancos de dados nas
organizações e apresentaram exemplos práticos de suporte operacional para atender princípios da
LGPD. No quarto capítulo, “Técnica de Ensino de Matemática para Alunos com Deficiência Visual
com suporte Informatizado”, os autores apresentaram uma nova metodologia para ensino de
matemática para alunos deficientes visuais usando o computador. O quinto capítulo, “Fusão de dados
para Ambientes Inteligentes”, apresentaram os principais conceitos de fusão de dados para serviços de
ambientes inteligentes e apresentaram exemplos práticos de implementação.
Acreditamos que este material será útil em aulas de Sistemas de Informação; em discussões
sobre novas abordagens de pesquisa suportando trabalhos atuais e futuros; e para apoiar a prática
profissional. Parabenizamos e agradecemos aos autores dos minicursos. Agradecemos também ao
Comitê de Seleção de Propostas pela dedicação e eficiência; ao Comitê Editorial pelo empenho; e a
CESI (Comissão Especial de Sistemas de Informação) da SBC pelo apoio para publicação deste livro.

Tiago Cruz de França (UFRRJ)

Coordenador de Minicurso da ERSI-RJ 2019
VI Escola Regional de Sistemas de Informação do Estado do
Rio de Janeiro

06 a 09 de Novembro de 2019
Duque de Caxias – RJ – Brasil

MINICURSOS

Promoção
Sociedade Brasileira de Computação – SBC

Coordenação da Escola Regional de Sistemas de Informação do Estado

do Rio de Janeiro 2019
Thiago Silva de Souza – UNIGRANRIO
Daniel de Oliveira – UNIGRANRIO
Coordenação de Painéis e Palestras
Raphael Carlos Santos Machado – INMETRO
Rafael Elias de Lima Escalfoni – CEFET/RJ
Coordenação de Sessões Técnicas e Pôsteres
Claudio Miceli de Farias – NCE/UFRJ
Kele Teixeira Belloze – CEFET/RJ
Coordenação de Minicursos
Tiago Cruz de França – UFRRJ
José Luiz Thomaselli Nogueira – UNIGRANRIO
João Francisco Antunes – UNIGRANRIO
Coordenação da Exposição de Robótica e IoT
Marco Antônio de Melo Britto – UNIGRANRIO
Alayne Duarte Amorim – Colégio Pedro II
Coordenação da Hackathon
Miguel Gabriel P. de Carvalho – UNIGRANRIO
Daniel de Oliveira – UNIGRANRIO
Comitê Institucional
Anderson Silva do Nascimento – UNIGRANRIO
João Francisco Antunes – UNIGRANRIO
Miguel Gabriel P. de Carvalho – UNIGRANRIO
Natália Joana Silva de Oliveira – UNIGRANRIO
Comitê de Programa
Alana Morais - IESP
Alessandro Copetti - UFF
André Luiz Leal - UFRRJ
Angelica Dias - UFRJ
Bernardo Peralva - UERJ
Breno de França - UNICAMP
Bruna Diirr - UNIRIO
Carlos Eduardo Pantoja – CEFET/RJ
Daniel Cruz de França – UFPB
Daniel Paiva - UFF
Daniel Schneider - UFRJ
Davi Viana - UFMA
Diego Brandão - CEFET/RJ
Eliezer Dutra - CEFET/RJ e UNIRIO
Emanuele Jorge - IFRJ
Fabiana Mendes - UnB
Fabio Gomes Rocha - UNIT
Fábio Silveira Vidal - IFTO
Flavio Horita - UFABC
Geiza Hamazaki - PUC-Rio
Gizelle Vianna - UFRRJ
Henrique Sousa – UFRRJ
Isabel Cafezeiro – UFF
José Ricardo Cereja - UNIRIO
Juliana França - UFRRJ
Laci Mary Manhães - UFF
Leonardo Azevedo - IBM Research, Brazil
Luis Orleans - UFRRJ
Luiz Felipe Mendes - UFJF
Marcelo Fornazin - UFF
Marco Antonio Araujo - UFJF e IF Sudeste-MG
Mario Dantas - UFJF
Nilton Rizzo - UFRRJ
Paulo Sérgio Santos - UNIRIO
 Priscila Goliatt - UFJF
Rafael Escalfoni - CEFET/RJ
Rafael Lima de Carvalho - UFTO
Raimundo José Macário Costa - UFRRJ
Rita Suzana Pitangueira Maciel - UFBA
Rodrigo Monteiro - UFF
Rodrigo Santos - UNIRIO
Scheila de Avila e Silva - UCS
Tiago Cruz de França - UFRRJ

Comitê de Seleção de Propostas de Minicursos

Alana Morais - IESP
Alessandro Cerqueira -Univeritas-RJ
André Luiz de Castro Leal - UFRRJ
Bruna Diirr - UNIRIO
Bruno Nascimento - UFRJ
Daniel Oliveira - UNIGRANRIO
Danilo S. Carvalho - UFRJ
Diego Pessoa - IFPB
Edgar Sarmiento - UNSA (Peru)
Eduardo Goncalves - ENCE/IBGE
Eduardo Hargreaves - Petrobras
Emanuele Jorge - IFRJ
Gizelle Vianna - UFRRJ
Helvio Junior - UFRJ
Jesus Talavera Portocarrero - Nuance Communications
Lívia Ruback - UFRRJ
Marcelo Cruz - UFRRJ
Marcos Arrais - PUC-MG
Rafael Bernardo Teixeira - UFRRJ
Rafael Escalfoni - CEFET-RJ
Raimundo Costa - UFRRJ
Renata Araujo - Mackenzie
Robson Silva - UFRRJ
Tadeu Classe - UNIRIO
Talita Ribeiro - UFRJ
Tiago Cruz de França - UFRRJ
Comitê Editorial
Tiago Cruz de França – UFRRJ
André Luiz Leal – UFRRJ
João Francisco Antunes – UNIGRANRIO

Arte da capa de Matheus Nunes Ritton – UFRRJ

 Sumário

Conceitos, Implementação e Dados Privados de Algoritmos de Recomendação……….. 6

Leonardo Herdy Marinho (UFRJ), Rodrigo Campos (UFRJ), Rodrigo Pereira dos Santos (UNIRIO),
Mônica Ferreira da Silva (UFRJ) e Jonice Oliveira (UFRJ)

Introdução à Análise de Sentimentos com Word Clouds……………...…………...……... 38

André Viana Tardelli (UFRJ), Angélica Fonseca da Silva Dias(UFRJ), Juliana Baptista dos Santos
França (UFRRJ)

LGPD em Ambientes de Bancos de Dados nas Organizações…………...……………... 68

Ana Carolina Brito de Almeida (UERJ), Letícia Dias Verona (UFRJ), Maria Luíza Machado Campos
(UFRJ) e Fernanda Araújo Baião (PUC-RIO)

Técnica de Ensino de Matemática para Alunos com Deficiência Visual com suporte 109
Informatizado
Angélica Fonseca da Silva Dias (UFRJ), José Antônio dos Santos Borges (UFRJ) e Júlio Tadeu
Carvalho da Silveira (UFRJ)

Fusão de dados para Ambientes Inteligentes………………………………………………... 133

Claudio M. de Farias (UFRJ), Gabriel Caldas (UFRJ), Gabriel Costa (UFRJ), Luis Filipe Kopp
(UFRJ), Beatriz A. Campos (UFRJ)
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Capítulo

1
Conceitos, Implementação e Dados Privados de
Algoritmos de Recomendação

Leonardo Herdy Marinho, Rodrigo Campos, Rodrigo Pereira dos Santos,

Mônica Ferreira da Silva e Jonice Oliveira

Abstract

Through the recommendation algorithms, it is possible to suggest items relevant to

users, increasing the proximity to their interest. These facilities also aim to reduce the
time that would be spent searching for desired items. These algorithms can be applied
in many scenarios, presenting relevant results in solving various real-word problems. In
this context, the purpose of this chapter is to simplify and present the concepts of
recommendation algorithms, demonstrating how these techniques work. Concepts and
challenges involving data privacy in these algorithms are also presented. Finally, this
chapter introduces Python programming language operations and applies the
recommendation techniques of the collaborative filtering approach, using the cosine
similarity.

Resumo

Por meio dos algoritmos de recomendação, é possível sugerir itens relevantes para
usuários, aumentando a proximidade com o interesse dos mesmos. Essas facilidades
visam também reduzir o tempo que seria dispensado na busca de itens desejados. Esses
algoritmos podem ser aplicados em muitos cenários, apresentando resultados
relevantes na solução de diversos problemas. Nesse contexto, o objetivo deste capítulo é
simplificar e apresentar os conceitos sobre algoritmos de recomendação, demonstrando
como essas técnicas funcionam. São apresentados ainda, conceitos e desafios
envolvendo a privacidade de dados nesses algoritmos. Por fim, esse capítulo apresenta
operações com linguagem de programação Python e aplica as técnicas de
recomendação da abordagem filtragem colaborativa, utilizando a similaridade cosine.

6
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

1.1. Introdução
Os algoritmos de recomendação implementam filtros de informação visando apresentar
itens ou objetos como: páginas web, filmes, músicas, livros, medicamentos, lojas e
artigos que provavelmente são do interesse do usuário. Algoritmos de recomendação
são amplamente utilizados por grande parte das gigantes redes lojistas, sites focados em
entretenimento, redes sociais, players de música e mais uma gama de prestadores de
serviços ou vendedores de produtos. É um tema em alta em toda a comunidade
científica e mercadológica. O conjunto desses algoritmos e técnicas é chamado de
sistema de recomendação.
Os algoritmos de recomendação podem agir sem o acionamento do usuário e por
essa razão, alguns usuários podem não notar que determinado website ou sistema tenha
um algoritmo de recomendação. Nos últimos anos, muitas aplicações que envolvem
comércio eletrônico e buscas utilizam algum tipo de mecanismo de recomendação.
Os algoritmos de recomendação têm desempenhado um importante papel na
solução do problema de sobrecarga de informações [Ricci et al. 2015]. Entretanto, é
preciso considerar também que esses algoritmos apresentam riscos de privacidade e
algumas preocupações devem ser observadas na implementação e utilização de dados
pelos recomendadores [Feng et al. 2018].
Nesse contexto, esse capítulo explora conceitos dos algoritmos de
recomendação, buscando introduzir o assunto e suas principais técnicas. São tratados
exemplos do cotidiano que utilizam esses algoritmos, bem como quais são os principais
tipos de algoritmos, organizados após uma revisão da literatura. Considerando a
utilização da linguagem Python em diversas soluções de recomendação, bem como a
variedade de bibliotecas para ciência de dados, esse capítulo introduz as principais
operações da linguagem Python. Dessa forma, implementamos um algoritmo de
recomendação utilizando métodos de similaridade “cosine”.
Esse capítulo está organizado da seguinte forma: a Seção 1.2 aborda os
conceitos dos algoritmos de recomendação, destacando o surgimento e histórico, bem
como os principais conceitos do processo de busca e recuperação da informação; a
Seção 1.3 apresenta exemplos da aplicação dos algoritmos de recomendação na
indústria, bem como os diferenciais a nível de usuário de cada uma das soluções; a
Seção 1.4 apresenta os principais tipos de abordagens de recomendação e as diferenças
investigadas na literatura; a Seção 1.5 aborda alguns problemas e soluções para atender
a privacidade de dados nos recomendadores; a Seção 1.6 tem um enfoque em
conhecimentos básicos sobre Python; na Seção 1.7 é apresentado como implementar um
recomendador de filmes em Python utilizando um dataset pré-selecionado; as principais
oportunidades de pesquisa e desafios em sistemas de recomendação são abordados na
Seção 1.8; e por fim, a Seção 1.9 conclui o capítulo com considerações finais.

1.2. Algoritmos de Recomendação

Os usuários da internet buscam constantemente por informações que possam auxiliá-los
em seu cotidiano (Figura 1.2). Com a grande massa de dados, produtos, serviços e
opções que estão disponíveis, encontrar o que realmente é procurado se tornou uma
tarefa árdua [Cazella et al. 2008].

7
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 1.2. Funcionamento de um algoritmo de recomendação

Fonte: [Motta et al. 2011]
Os recomendadores surgem com o objetivo de propor soluções para essa tarefa
de recuperar uma informação de acordo com a necessidade do usuário. Essa seção
apresenta como esses sistemas evoluíram desde o surgimento, bem como os conceitos
do processo de busca de uma determinada informação. Por fim, é apresentado como
funciona a lógica de recomendação.

1.2.1. Dados Históricos

A necessidade de construir algoritmos que recomendem algo é bem recente se
compararmos com o tempo histórico que a computação existe. O nascimento de tal
necessidade teve seu início com o aumento do poder de armazenamento de dados
ocorrido principalmente no início da década de 90, que dificultou aos usuários
encontrarem de forma rápida e fácil algo que buscam em uma pesquisa realizada na
web. Anteriormente a análise realizada pelo usuário era bastante simples, afinal, as
buscas retornavam um valor substancial relativamente pequeno de itens que eram
facilmente triados pelo usuário em poucos minutos. Tal realidade mudou no início dos
anos 90 com o advento da Internet e a interconexão entre milhares senão milhões de
pessoas, serviços, sensores e mais uma gama de geradores de dados. A cada dia mais
dados eram gerados e armazenados, tornando assim, complexa a tarefa de encontrar o
que era relevante ao usuário para ser exibido logo nas primeiras páginas de resultados
das buscas.
Com o surgimento de serviços de música online, vídeo, venda de produtos e
afins, aumentou o desafio de não tomar o tempo dos usuários com conteúdo irrelevante
ao gosto deles. As grandes companhias que investiam no “setor online” entenderam que
o desperdício do tempo dos usuários ocasionava a redução do consumo online, ou seja,

8
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

quanto mais tempo um usuário desperdiçasse para encontrar algo que estava buscando
maiores eram as chances de desistência. Isso desencadeou a corrida para o "algoritmo
perfeito", mais conhecido como o algoritmo de recomendação, que trouxesse o mais
rápido possível exatamente o que o usuário esperava encontrar.
Um dos primeiros sistemas com algoritmos de recomendação conhecido foi o
RINGO [Shardanand e Maes 1995]. Segundo Motta et al. (2011), o RINGO trabalhava
com a recomendação de músicas a partir do perfil do usuário. As recomendações eram
criadas partindo das informações explicitamente fornecidas pelos próprios usuários, ou
seja, os usuários precisavam dizer que não gostavam de um ritmo r para que o algoritmo
não exibisse músicas desse ritmo, por exemplo. O algoritmo ajustava as recomendações
de músicas continuamente a partir do uso prolongado, além de realizar sucessivas
recomendações analisando o feedback dos usuários. O Grouplens criado
aproximadamente na mesma época que o RINGO, na década de 90, implementou uma
arquitetura genérica para as recomendações de notícias. Mais tarde, o sistema do
Grouplens foi evoluído para o MovieLens [Konstan et al. 1997] que consistia em
trabalhar com a sugestão de filmes geradas a partir da correlação entre a avaliação dos
usuários sem utilizar características ou parâmetros definidos previamente pelo usuário.
Esses trabalhos foram de suma importância para consolidar o marco inicial da
implementação e evolução dos atuais algoritmos de recomendação. Ao final desse
capítulo, utilizamos um conjunto de dados do MovieLens para explorar recomendações
de filmes.
A tecnologia construída para o funcionamento do RINGO posteriormente foi
transformada em um produto chamado Firefly, um site de recomendação de músicas,
artistas e livros. Após inúmeras parcerias, o Firefly difundiu o sistema de recomendação
e a filtragem colaborativa. Posteriormente grandes empresas adotaram a ideia da
tecnologia de recomendação do Firefly. como o Yahoo, Amazon e eBay.

1.2.1. Busca e Recuperação da Informação

Recuperação de Informação (RI) é geralmente considerada um sinônimo de recuperação
de documentos, mas na verdade, os processos dos sistemas de RI produzem a
recuperação do que seria o objetivo principal do usuário. As abordagens desenvolvidas
para esse fim são aplicáveis a uma série de tarefas relacionadas ao processamento de
informações existentes, tanto na recuperação de dados quanto na recuperação de
conhecimento [Jones e Willett 1997]. Dentre essas possibilidades de aplicação, estão os
algoritmos de recuperação
A recuperação de dados, no contexto de um sistema de RI, consiste em
identificar quais documentos em uma determinada coleção contêm as palavras-chave da
consulta do usuário. No entanto, o usuário está interessado em recuperar determinadas
informações sobre um assunto, ou seja, dados em um contexto desejado, e não apenas
em recuperar dados que satisfaçam uma consulta. Devido a isso, a estratégia de
recuperação surge para resolver essa tarefa subjetiva. Essa estratégia consiste no uso de
um algoritmo, no processo de recuperação e classificação de sistemas de RI, que
identifica o coeficiente de similaridade entre uma consulta de usuário em um
determinado contexto e um conjunto de documentos coletados [Santos e Bräscher
2017].

9
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

O termo recuperação de informação refere-se a uma pesquisa que pode abranger

qualquer forma de informação: dados estruturados, texto, vídeo, imagem, som, notas
musicais ou sequências de DNA [Grossman e Frieder 2004]. Em [Baeza-Yates e
Ribeiro-Neto 2013], é destacado que a RI fornece aos usuários acesso fácil a
informações de interesse, lidando com representação, armazenamento, organização e
acesso a itens de informação que devem fornecer aos usuários facilidade de acesso a
informações. Portanto, o objetivo principal da RI é recuperar todos os documentos
relevantes às necessidades de informações do usuário e, ao mesmo tempo, recuperar o
mínimo possível de documentos irrelevantes. Portanto, o principal desafio não é apenas
extrair informações dos documentos, mas ter uma noção de sua relevância.
As estratégias da RI para atribuir uma medida de similaridade entre uma
consulta e um documento são baseadas no senso comum de quão mais frequente um
termo é encontrado em um documento e em uma consulta, mais relevante é o
documento para consulta. Uma estratégia de recuperação consiste em um algoritmo que
processa uma consulta Q e um conjunto de documentos D1, D2, ..., Dn e identifica o
coeficiente de similaridade para cada um dos documentos 1 <= i <= n. As estratégias de
recuperação de informações são: Modelo de Vetor Espacial, Recuperação
Probabilística, Modelos de Linguagem, Redes de Inferência, Indexação Booleana,
Indexação Semântica Latente, Redes Neurais e Algoritmos Genéticos e Recuperação de
Conjuntos Fuzzy [Grossman e Frieder 2004].
O sistema de RI consiste em obter a coleção de documentos - prontos ou
coletados na web. Depois disso, o sistema de RI rapidamente armazena e indexa a
coleção de documentos, para recuperar e classificar. A estrutura de índice mais
conhecida é a lista invertida que consiste em todas as palavras da coleção. Cada palavra
tem uma lista dos documentos em que está presente. Após o processo de indexação, o
processo de recuperação é iniciado, procurando documentos que atendam à consulta do
usuário.
Posteriormente, a consulta é analisada sintaticamente e expandida com formas
variantes de palavras de consulta. A consulta expandida usa um índice para recuperar
um subconjunto dos documentos. Esses documentos recuperados são classificados e os
que estão no topo da classificação são retornados ao usuário. O processo de
classificação consiste em identificar os documentos com maior probabilidade de serem
relevantes para o usuário. E considerando a subjetividade inerente à escolha do critério
de classificação, torna-se necessário um processo de avaliação para analisar a qualidade
dos resultados produzidos pelo sistema de RI.

1.2.2. Lógica de Recomendação

Algoritmos de recomendação analisam em um espaço muito vasto e denso de
dados o que os usuários desejam, para isso os algoritmos levam em consideração a
análise crítica com base no perfil dos usuários, padrões comportamentais, itens
visualizados e mais uma série de outros fatores que fazem o algoritmo entender quais
resultados da busca são em teoria mais relevantes para quem está realizando a mesma.
Os resultados muitas vezes não são completamente precisos, mas trazem dentre os
primeiros itens da lista o que provavelmente o usuário deseja. A cada ano tais
algoritmos são aperfeiçoados de modo que a acurácia se mantém cada vez mais elevada.
Na Figura 1.1 temos um exemplo simples de como um sistema de recomendação
funciona na prática.

10
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 1.1. Exemplo do funcionamento da recomendação

Após o usuário, que na Figura 1.1 é representado pelo personagem de desenho
animado Homer Simpson, comprar uma cerveja da marca Duff o algoritmo de
recomendação compara com outros produtos que dispõe em sua base de dados e percebe
que existe um outro produto que pode ser interessante ao usuário, logo, este define uma
similaridade entre a bebida e a camisa Duff. Ao ter um alto valor de similaridade entre
dois itens de acordo com o que o algoritmo estima que o usuário terá interesse, ele
recomenda a camisa com a marca da cerveja. Nesse contexto, as recomendações buscam
sempre o resultado mais assertivo, mas um algoritmo não necessariamente conseguirá
prever todos os casos possíveis. Se Homer tivesse comprado uma camisa Duff naquele
dia, o algoritmo teria mostrado uma recomendação muito boa, porém o personagem não
compraria a mesma tendo em vista que já tem uma daquele modelo. O algoritmo
acertou no gosto do usuário, mas errou na hora da exibição já que não tinha em sua base
de dados como prever que o usuário já havia obtido aquele produto anteriormente.
Assim funcionam diversos tipos de algoritmos de recomendação. Há sempre a
possibilidade de encontrarem dificuldades como essa no processo. No geral, tais
algoritmos são bastante satisfatórios já que poupam horas de pesquisas e navegação em
páginas, mas ainda existem desafios em abertos para contemplarem todos os cenários
possíveis.
Esses desafios envolvem uma dificuldade de se ter acesso às informações que
apoiam decisões corretas em um grande conjunto de dados, como os de empresas de
vendas. As técnicas de RI auxiliam nesta árdua tarefa. O primeiro aspecto a ser
observado é identificar o que um usuário está buscando. Basicamente um usuário
menciona um grupo de palavras e/ou símbolos. Em seguida, os
documentos/páginas/registros identificados como os mais relevantes são recomendados
por algoritmos de busca e recuperação. O princípio dos sistemas de recomendação é
baseado em relevância, logo, "o que é relevante para mim também pode ser relevante
para alguém com interesses e gostos similares". A grande maioria das técnicas de
recomendação trabalham com as avaliações realizadas pelos indivíduos, assim, é
possível identificar usuários que avaliaram itens (com notas, por exemplo) de forma
similar, passando a entender, portanto, os gostos coletivos. Nesse contexto, o algoritmo
consegue criar médias para as pessoas que tem gosto similares (Figura 1.3). Quando um
novo indivíduo que se assemelha a um determinado grupo entra em cena, o algoritmo o
sugere algo que os outros pertencentes do grupo demonstram interesse. Assim, as
chances de acerto são potencializadas partindo da premissa que os gostos do grupo são
próximos.

11
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 1.3. Média por grupos similares

Fonte: [Motta et al. 2011]

1.3. Exemplos de Uso

Sistemas de recomendação são amplamente utilizados por grande parte dos sites que nos
rodeiam. Quando lemos notícias online, de alguma forma os sistemas de recomendação
estão presentes. Quando acessamos as redes sociais esses sistemas podem existir
sugerindo publicações que julgam mais relevantes para os usuários. O mesmo pode
ocorrer em lojas virtuais, com a presença de sistemas de recomendação exibindo
produtos que estão no raio de interesse maior dos clientes. Nesta seção mostraremos
dois exemplos de algoritmos de recomendação aplicados.

1.3.1. Portal de Notícias G1

Sites de notícias são excelentes exemplos da aplicação de recomendação. Desde o início
da democratização da internet as notícias são disseminadas em sites ou veículos
similares. Exibir aos leitores conteúdos que são relevantes, tornam maior a permanência
dos mesmos na página. Nesse sentido, a fidelização e as receitas aumentam, tendo em
vista que quanto mais tempo um usuário navegar pelo site mais anúncios intercalados
com as matérias normalmente serão exibidos. Nada impede de que junto às notícias
sejam exibidas recomendações de outras notícias, eventos ou qualquer conteúdo que o

12
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

algoritmo da página julgar interessante para o leitor. Um grande veículo de

comunicação jornalística no Brasil é o portal de notícias G11.
No caso do G1, é possível encontrar recomendações ao navegar por uma notícia,
por exemplo. Ao final de cada página da notícia, existe uma recomendação para que o
leitor siga lendo uma outra notícia que o algoritmo de recomendação presente no site
entende como relevante para aquele leitor naquele momento. Temos tal exemplo
demonstrado na Figura 1.4.

Figura 1.4. Exemplo de recomendação de notícias

Fonte: Captura de tela realizada pelas pessoas autoras no dia 31 de outubro de 2019.

1.3.2. Netflix
Seguindo com os exemplos, também é de suma importância citar a Netflix como uma
plataforma que faz uso de sistemas de recomendação.A Figura 1.5 mostra que na tela
principal de usuários da Netflix há uma seção explícita de recomendação chamada
“Sugestões para você”, com diversas séries exibidas para um usuário x.

Figura 1.5. Sugestões personalizadas para usuário x da Netflix

Fonte: Captura de tela realizada pelas pessoas autoras no dia 31 de outubro de 2019.

1
[Link]

13
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Atualmente, a Netflix é uma das maiores plataformas para quem deseja assistir
filmes, séries, documentários e similares. Seu enorme sucesso se deu pela habilidade de
manter seus usuários engajados com o conteúdo que oferecem. Isso se deu também com
a alta precisão do algoritmo de recomendação que construíram, que permite sugerir o
que um usuário talvez goste para assistir posteriormente. É possível notar na Figura 1.6
que quando mudamos para um usuário y na plataforma, automaticamente outras séries
completamente diferentes são inseridas na lista de sugestões visando oferecer ao usuário
um conteúdo mais próximo de seu perfil. Portanto, essas séries são completamente
distintas das séries mostradas na Figura 1.5 para o usuário x.

Figura 1.6. Sugestões personalizadas para usuário y da Netflix

Fonte: Captura de tela realizada pelas pessoas autoras no dia 31 de outubro de 2019.
É interessante destacar que tais algoritmos utilizam de várias estratégias para
definir qual filme ou série devem recomendar. No caso da Netflix, utilizam-se dos
dados de navegação do usuário como: palavras inseridas na busca, filmes clicados,
filmes assistidos por completo anteriormente, filmes “abandonados” pela metade,
conteúdos curtidos pelo usuário, conteúdos adicionados na lista de preferências e mais
uma série de dados que coletam ao longo da permanência do usuário na plataforma.
A Netflix é uma das plataformas que exibe ao usuário o coeficiente de
relevância empregado pelo seu algoritmo. Sempre que abrimos uma série ou filme, por
exemplo, a plataforma exibe um índice de relevância deste item para o usuário. Como
exemplo, a Figura 1.7 exibe o resumo do filme “Piratas do Caribe no Fim do Mundo”.
Além da descrição, a plataforma mostra para o usuário x que esse filme é 82% relevante
de acordo com os dados por eles analisados.

Figura 1.7. Relevância de 82% para o usuário x da Netflix

Fonte: Captura de tela realizada pelas pessoas autoras no dia 31 de outubro de 2019.

14
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Já para o usuário y (Figura 1.8), a plataforma não mensura a relevância tendo em

vista que aquele filme, em teoria, não seria do gosto do usuário de acordo com seu
perfil.

Figura 1.8. Relevância não mensurada para o usuário y da Netflix

Fonte: Captura de tela realizada pelas pessoas autoras no dia 31 de outubro de 2019.
Com isso, tem-se que a maior parte do catálogo sugerido e resultados de busca
utilizam técnicas de recomendação por similaridade de conteúdo. Ao pesquisar por
“Piratas do Caribe”, são retornados abaixo dos resultados esperados uma série de outros
filmes que não são necessariamente ligados ao tema do filme, mas que trazem diversas
similaridades como: atores, conteúdo da sinopse, filmes que pessoas que pesquisaram
por “Piratas do Caribe” assistiram após recomendação do algoritmo, e mais uma série
de fatores. A Figura 1.9 mostra as recomendações que vieram após a busca do usuário x
por “Piratas do Caribe” no fim do mundo.

Figura 1.9. Sugestões após a busca por “Piratas do Caribe no Fim do Mundo” na Netflix
Fonte: Captura de tela realizada pelas pessoas autoras no dia 31 de outubro de 2019.

15
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

1.4. Tipos de Algoritmos de Recomendação

Segundo Herlocker et al. (2000), por muitos anos os cientistas têm direcionado esforços
para buscar soluções e meios de amenizar o problema ocasionado com a sobrecarga de
informações geradas através por soluções que reconhecem e categorizam informações
automaticamente. Recomendações não são triviais para serem realizadas. Tanto no
mundo físico quando no mundo digital é preciso observar uma série de fatores que
influenciam um tipo de recomendação. Oferecer comida de cachorro para as pessoas
degustarem em um supermercado não é algo interessante, na verdade, seria um grande
fracasso. Mas oferecer café por exemplo pode ser uma ótima opção. É possível perceber
o quão falha ou bem-sucedida é essa recomendação de “O que oferecer para degustação
humana”, mas para as máquinas não é. Café e ração são produtos como quaisquer
outros. É preciso ensinar para a máquina o sentido das coisas para que ela não sugira um
pneu para degustação, por exemplo. Ou, que ela não sugira um desenho animado
infantil para uma pessoa que prefira filmes de terror.
Ao longo dos anos foram desenvolvidas técnicas por pesquisadores que refinam
os resultados das buscas utilizando diversos tipos de filtros e parâmetros. Tais filtragens
são realizadas de acordo com as características de um item, assim como o
comportamento dos usuários/consumidores perante aquele item. Logo começaram a
entender padrões que poderiam ser utilizados para melhorar as recomendações e torná-
las realmente úteis e de alta relevância para quem a recebesse. Para isso, criaram-se
técnicas para buscar e recuperar informações, filtrar itens com base nas descrições dos
conteúdos e também analisar o comportamento dos usuários perante o item. Assim, foi
possível construir um modelo colaborativo para entender melhor como é a interação dos
usuários com os itens e gerar modelos estatísticos baseados em grupos similares.
Nos sistemas de recomendação são utilizadas em geral uma das três técnicas de
filtragem de informação citadas a seguir: filtragem baseada em conteúdo, filtragem
colaborativa, também conhecida como filtragem social e filtragem híbrida [Cazella,
Sílvio César et al. 2010].

1.4.1. Filtragem Baseada em Conteúdo

Alguns softwares têm como objetivo gerar de forma automática descrições dos
conteúdos dos itens e comparar estas descrições com os interesses dos usuários,
verificando assim se o item é ou não relevante [Balabanović e Shoham 1997].
A filtragem baseada em conteúdo (Figura 1.10) consiste em realizar análises
comparativas envolvendo o conteúdo de itens distintos, como por exemplo, palavras
similares, temas similares, gêneros similares e afins. A análise de diversos componentes
do conteúdo de um item torna possível identificar a similaridade entre dois ou mais itens
através de um coeficiente numérico. A recomendação baseada na filtragem por
conteúdo utiliza informações anteriores do usuário em relação a um item para
recomendar itens similares. São recomendados, por exemplo, itens que mais se
aproximam aos outros itens avaliados de forma positiva por determinado usuário.
A indexação da frequência de termos, ou seja, o quanto determinados termos se
repetem no conteúdo de um item é bastante utilizada nessa abordagem, sendo as
informações dos documentos e necessidades dos usuários descritas por vetores que
armazenam a frequência com que as palavras ocorrem em um dado documento (como

16
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

em [Campos et al. 2019]) ou em uma consulta realizada pelo usuário [Cazella, Sílvio
César et al. 2010].

Figura 1.10. Representação da abordagem de filtragem por conteúdo

Fonte: [Costa et al. 2013]

1.4.2. Filtragem Colaborativa

A diferença da abordagem entre a filtragem colaborativa para a baseada em conteúdo
está no fato de que, enquanto a filtragem colaborativa considera as preferências de
vários usuários analisadas em seu perfil, a baseada em conteúdo considera padrões
semelhantes relacionados às experiências apenas do usuário interessado [Aggarwal
2016]. Dado o item i e usuário u, a abordagem de filtragem colaborativa tem como
princípio o fato de que, se um usuário u avalia itens semelhantes a outro usuário u’, há
uma grande chance de a próxima avaliação de um usuário u para um novo item seja
semelhante ao do usuário u’. Portanto, se outros usuários avaliaram dois itens de
maneira semelhante, existe uma tendência do usuário u avaliá-los da mesma maneira. A
abordagem de filtragem colaborativa pode ser dividida em duas etapas; a abordagem em
vizinhança e a baseada em modelos [Desrosiers e Karypis 2011]. O primeiro pode ser
realizado de duas maneiras:
• Baseado em conteúdo: considere o exemplo com os usuários u e u’. A
semelhança entre esses usuários os torna vizinhos. Sempre que o sistema avalia
o interesse de u pelo item i, ele verifica a classificação dada pelos vizinhos
[Desrosiers e Karypis 2011];
• Baseado em itens: nessa abordagem, o sistema consulta outros itens semelhantes
ao item i. Dados esses itens semelhantes, toda vez que o sistema avalia o
interesse de u pelo item i, ele considera as avaliações feitas pelo usuário u para
esses itens semelhantes. Para definir se dois itens são semelhantes, o sistema
verifica se muitos usuários classificaram esses itens da mesma maneira
[Desrosiers e Karypis 2011]. É também chamado de abordagem item a item
[Koren 2008].
Embora as possibilidades da abordagem de vizinhança sejam baseadas em item
ou usuário, o modelo propõe mesclar itens e usuários no mesmo espaço de fatores
latentes, permitindo inferir automaticamente com base no feedback do usuário [Koren
2008]. Apesar de ter várias técnicas nessa abordagem [Desrosiers e Karypis 2011],
existem algumas muito comuns, como clustering, classificação, modelo latente, Markov
Decision Process (MDP) e Matrix Factorization (MF) [Do et al. 2010].

17
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

A técnica para descobrir de forma automática as relações entre um dado usuário

e seus “vizinhos mais próximos” consiste em (1) calcular a similaridade do usuário alvo
em relação aos outros usuários; (2) selecionar um grupo de usuários com maiores
similaridades para considerar na predição; e (3) normalizar as avaliações computando as
predições, ponderando as avaliações dos usuários mais similares [Cazella, Silvio César
et al. 2010]. Seguindo a lógica do exemplo de recomendação representado pela Figura
1.10, a Figura 1.11 mostra de forma representativa como é uma recomendação no
modelo de filtragem colaborativa.

Figura 1.11. Representação da abordagem de filtragem colaborativa

Fonte: [COSTA et al, 2013]
No exemplo da Figura 1.11, um dado usuário alvo gostou dos livros X, Y e Z. É
possível notar que seus vizinhos mais próximos são os usuários 1, 2 e 3, tendo em vista
que também leram os mesmos livros X, Y, e Z, logo, provavelmente esses usuários têm
gostos similares. Portanto, o sistema pode recomendar os livros A, B e C para o usuário
alvo, tendo em vista que estes livros foram consumidos pelos vizinhos do usuário alvo.

1.5. Dados Privados em Sistemas de Recomendação

Com o gigante volume de dados armazenados sobre as preferências, itens visualizados,
itens comprados, itens ignorados e mais uma gama de dados sensíveis que os sistemas
armazenam para refinar as recomendações dos usuários, existe uma preocupação
vinculada à segurança. Isso inclui questionamentos sobre como esses dados são tratados
e utilizados por estes sistemas. Dados dos quais se armazenados ou utilizados de forma
não correta podem expor centenas de milhares de usuários.
A privacidade de dados em algoritmos de recomendação pode incluir o princípio
de Privacidade Diferencial. A partir desse recurso matemático, é possível atribuir aos
algoritmos de recomendação um valor do quanto esse algoritmo preserva a privacidade
dos usuários. Uma dificuldade existente para a obtenção de privacidade é que a
privacidade diferencial garante a privacidade de usuários, mas pode diminuir a utilidade
do algoritmo de recomendação [Jiang et al. 2019]. Essa teoria de privacidade diferencial
começou a ser implementada em sistemas de recomendação de filtragem colaborativa
muito recentemente com a proposta de Mcsherry e Mironov (2009), fazendo parte da
categoria de “data transformation technology”, segundo Feng et al. (2018).

18
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Outra categoria descrita em [Feng et al. 2018] para privacidade de dados em

sistemas de recomendação é a de recomendação distribuída [Qi et al. 2017]. As soluções
dessa categoria podem envolver processos para ocultar informações reais de usuários,
ou aplicar dimensões de qualidade através da “List Scheduling Heuristic” (LSH). Existe
também a possibilidade do uso de encriptação homomórfica. Armknecht e Strufe (2011)
sugerem utilizar essa técnica para atender as necessidades de construir um
recomendador que não necessite de informações de preferências de usuários, cujo
provedor de recomendação não precise revelar informações internas, mas que seja
possível retornar uma recomendação correta para o usuário.
Os aspectos de privacidade existem até mesmo em cenários que envolvam dados
abertos, exigindo uma atenção por parte dos sistemas de recomendação. Um exemplo
disso pode ser observado nos Ecossistemas MOOCs [Campos et al. 2018] (entende-se
que MOOC, por definição traduzida, significa “Cursos Online Abertos e Massivo”).
Nesse cenário, apesar dos dados de cursos dos provedores e dados dos alunos
matriculados serem abertos, há restrições que exigem uma camada de autorização por
parte dos recomendadores interessados em extrair esses dados. Essa camada deve
permitir que a recomendação envolvendo dados pessoais de um determinado aluno nos
MOOCs apenas seja processada caso esse aluno se autentique e autorize a extração dos
seus dados.
Apesar das soluções existentes, há uma necessidade eminente de novas
abordagens que considerem os aspectos de dados privados, principalmente em sistemas
de recomendação baseados em conteúdo. Essa abordagem utiliza apenas dados do
usuário interessado em receber a recomendação. Na existência de restrições de acesso a
esses dados, a recomendação se tornaria ainda mais limitada, podendo comprometer
inclusive o resultado final dos itens retornados. A solução para esse problema pode
partir, por exemplo, da integração dos dados do usuário interessado com outras bases de
dados (como com dados das redes sociais) e, em seguida, inferência de um perfil do
usuário. Essas estratégias permitem, inclusive, a assertividade de um algoritmo de
recomendação no caso do cold-start, ou seja, usuários ou itens que são novos nas
plataformas, não possuindo dados suficientes para uma primeira recomendação.
Um enfoque que os sistemas de recomendação baseados em conteúdo podem ter
é na recomendação de publicidade direcionada ou na entrega de cupom direcionada.
Para esses casos, Wang et al. (2018) analisam trabalhos que buscam criar mecanismos
de proteção e privacidade para usuários. Através desse levantamento é possível
identificar, inclusive, a importância da proteção de dados para quem fornece a
recomendação. Wang et al. (2018) mencionam que no caso de entrega de cupom
direcionada, os cupons não podem ser utilizados por outros usuários além do usuário
alvo da recomendação. Acrescentam ainda que, além das técnicas de criptografia,
mencionada anteriormente, outras soluções possíveis para uma camada de privacidade
nessa abordagem de recomendação seria anonimização, teoria de games, ofuscação ou
segmentação local.

1.6. Operações com Python

Essa seção inclui elementos técnicos para compreender algumas operações básicas com
a linguagem Python e como elas são utilizadas para lidar com dados, cálculos e exibição
de resultados. Esses conhecimentos são fundamentais para a compreensão do algoritmo

19
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

de recomendação sugerido na Seção 1.7. Portanto, são introduzidos conceitos como:

comentários, exibição de valores, variáveis e tipos de dados, operações aritméticas,
operações lógicas, controle de fluxo e funções. Vale ressaltar que não são abordadas
informações sobre a instalação local do Python ou configuração de ambiente de
desenvolvimento tendo em vista que todo o desenvolvimento e exemplos aplicados
neste capítulo são realizados na plataforma do Google Colab2. Essa plataforma dispõe
de um ambiente previamente configurado e pronto para qualquer usuário. Todos os
exemplos empregados nessa seção foram testados e desenvolvidos com o Python na
versão 3.6, por ser uma das versões mais recentes e estáveis disponíveis no momento
em que este capítulo foi desenvolvido.

1.6.1. Comentários
A linguagem Python assim como a grande maioria das linguagens de programação
dispõe de comentários para auxiliar na organização do código. Ao comentar uma linha
ela é ignorada pelo interpretador da linguagem quando o código for executado, assim,
servindo apenas para programadores lerem e entenderem o que foi comunicado naquele
código. Neste exemplo são abordadas as maneiras de se utilizar o comentário em linha,
por ser o mais utilizado e o que é empregado em nossos exemplos. Vale ressaltar que
também existem comentários de blocos, ou seja, é possível comentar várias linhas de
uma única vez.
O comentário de linha serve para criar apenas uma linha comentada. No Python
os comentários de linha são criados utilizando o caractere “#”. A Figura 1.12
exemplifica a criação de um comentário na primeira linha de um arquivo no Google
Colab.

Figura 1.12. Exemplo de comentário de linha no Google Colab

Fonte: Captura de tela realizada pelas pessoas autoras no dia 03 de novembro de 2019.
Normalmente os comentários são utilizados para descrever blocos ou linhas de
códigos visando tornar simples a compreensão e a manutenção daquele bloco ou linha
por outros programadores. Comentários são amplamente utilizados para documentar
funções e cabeçalhos de arquivos. Nos blocos de código das próximas seções, os
comentários são utilizados para detalhar passo a passo o que faz cada linha de código
escrita, visando auxiliar no entendimento do conteúdo aplicado.

2
[Link]

20
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

1.6.2. Exibir Textos e Valores

O Python, assim como outras linguagens, dispõe de um comando em especial que serve
para exibir valores na tela para que um usuário do sistema ou um programador consiga
imprimir valores para o entendimento do que está ocorrendo em determinado momento
da execução do algoritmo. Esse recurso é possível através do comando “print”. A Figura
1.13 demostra como utilizar o comando “print” para exibir o texto “Hello World” (que
no Python é tratado como um tipo String).

print("Hello World")
Figura 1.13. Código Python para exibição de texto
O comando “print” não se limita à exibição de textos. Também é possível exibir
outros tipos de valores, como é abordado nas próximas sessões.

1.6.3. Variáveis e Tipos de Dados

Variáveis são amplamente utilizadas na programação para armazenar valores. Pode-se
entendê-las como “caixinhas” que guardam valores na memória do computador. As
variáveis no Python têm tipagem dinâmica, ou seja, não é preciso especificar o tipo do
valor que estamos atribuindo para ela no ato de declarar a variável. Basicamente,
criamos uma variável de tipo genérico e é possível atribuir a ela um texto ou valor
numérico, por exemplo. Em linguagem com a tipagem não dinâmica é preciso declarar
que determinada variável recebe apenas texto, por exemplo, não sendo possível inserir
valores diferentes dos textuais. A Figura 1.14 demonstra como é a atribuição de valores
de diferentes tipos a uma variável chamada “a”.

a = 1 # Número inteiro
a = 2.65 # Número decimal
a = 1E3 # Notação científica, equivale a 10^3 = 1000.0
a = "Escola regional de sistemas 2019" # Texto (string atribuída com aspas duplas)
a = 'ERSI2019' # Texto (string atribuída com aspas simples)
a = True # Tipo lógico [booleano] (verdadeiro -> True, falso -> False)
a = [1, 2, 3] # Lista de valores numéricos
a = {"a": 1, "b": 2, "c": {"x": 10}} # Dicionário de dados (pares de chave e valor)
Figura 1.14. Código Python para exemplificar declaração e exibição de variáveis
No Python o próprio interpretador testa e verifica o tipo da variável para tratá-la
da melhor e mais performática forma possível. Na criação de uma variável, é possível
declará-la com valores inteiros, decimais, textuais, listas, dicionários e afins e isso torna
bem mais simples o uso de variáveis se comparado com as linguagens que exigem tipos
fixos. Utilizando as variáveis, é possível realizar as mais diversas operações
matemáticas, assim como receber objetos maiores como listas e valores provenientes de
arquivos ou banco de dados.

21
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

1.6.4. Operações Aritméticas

As operações aritméticas são importantes para diversas linguagens de programação.
Com tais operações, é possível calcular praticamente todo tipo de conta matemática
básica. Pode-se entender como operadores básicos aritméticos os operadores de soma,
subtração, multiplicação e divisão. Pode-se também estender os operadores aritméticos
para os operadores um pouco mais avançados como os de exponenciação e cálculo de
parte inteira. A Figura 1.15 exemplifica a realização das quatro operações básicas
(soma, subtração, multiplicação e divisão) em Python e também como atribuir valores
das operações em variáveis para posteriormente exibi-los através do comando “print”.
No exemplo da Figura 1.15 também é demonstrado como o comando “format” pode
auxiliar na apresentação de resultados de uma forma mais agradável e simples de
entender visualmente, mesclando texto e valores numéricos.

a=5
b=2
soma = a + b
# O método format serve para criar uma string que contem campos entre chaves que
são substituídos pelos valores que estão dentro do método. No exemplo abaixo, o
“.format()” recebe a variável soma
print("Soma: {}".format(soma))
subtracao = a - b
print("Subtração: {}".format(subtracao))
multiplicacao = a * b
print("Multiplicação: {}".format(multiplicacao))
divisao = a / b
print("Divisão: {}".format(divisao))
Figura 1.15. Código Python para exemplificar operações aritméticas básicas
Como mencionado anteriormente, os operadores aritméticos não se resumem aos
básicos das quatro operações. Também existem mais alguns, dentre os quais ressaltamos
os de exponenciação e de parte inteira. A Figura 1.16 ilustra como utilizar tais
operadores.

a=5
b=2
exponenciacao = a**b
print("Valor exponencial: {}".format(exponenciacao))
parte_inteira = a // b
print("Parte inteira: {}".format(parte_inteira))
Figura 1.16. Código Python para exemplificar operações aritméticas avançadas

22
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

1.6.5. Operações de Comparação

As operações de comparação retornam resultados booleanos, ou seja, True (para
verdadeiro) ou False (para falso). Os comparadores permitem testar se um valor x é
igual a um valor y, por exemplo. A Figura 1.17 ilustra como utilizar os operadores de
comparação do Python.

a = 10
b=5

# Operador de maior que >

maior_que = a > b
print("{} é maior que {}? {}".format(a, b, maior_que))

# Operador de menor que <

menor_que = a < b
print("{} é menor que {}? {}".format(a, b, menor_que))

# Operador de maior ou igual >=

maior_igual = a >= b
print("{} é maior ou igual a {}? {}".format(a, b, maior_igual))

# Operador de menor ou igual >=

menor_igual = a <= b
print("{} é menor ou igual a {}? {}".format(a, b, menor_igual))

# Operador de igualdade ==
igual_a = a == b
print("{} é igual a {}? {}".format(a,b, igual_a))

# Operador de diferença !=
diferente_de = a != b
print("{} é diferente de {}? {}".format(a,b, diferente_de))
Figura 1.17. Código Python para exemplificar operações de comparação
É possível observar na Figura 1.17 que além de verificar igualdade entre dois
valores, os comparadores permitem ainda testar se são “diferentes”, “maior que”,
“menor que”, “maior ou igual a” e “menor ou igual a”. Com os operadores de

23
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

comparação é possível saber se a nota dada por um determinado usuário a um item é

maior que a nota que esse mesmo usuário deu para um outro item, ou ainda se a nota de
ambos é igual. Diversas combinações podem ser realizadas por sistemas de
recomendação para analisar se dado item é mais ou menos similar a outros para que seja
criada uma recomendação. Assim, os operadores de comparação cooperam ativamente
para os sistemas de recomendação.

1.6.6. Operações Lógicas

Os operadores lógicos unem expressões lógicas formando assim, uma nova expressão
que é composta por duas ou mais subexpressões. O resultado lógico (verdadeiro ou
falso) de expressões compostas é a relação entre as subexpressões resultando em uma
única resposta. A Figura 1.18 demonstra as diferenças no uso dos operadores “and” e
“or”.

# Operadores and e or

print("Operador and")
print(True and False)
print(True and True)
print(False and True)
print(False and False)

print("\n\nOperador or")
print(True or False)
print(True or True)
print(False or True)
print(False or False)
Figura 1.18. Código Python para exemplificar operações lógicas
O Python implementa os valores lógicos utilizando a lógica booleana,
implementando os valores True ou False. Ambos precisam necessariamente ser
informados com a primeira letra maiúscula. Ao analisar a Figura 1.18 é possível
perceber que sempre que existie pelo menos um valor False, o operador “and” logo
retorna que a expressão é falsa. Já o operador “or” verifica se pelo menos um dos dois
valores é positivo. Caso seja, o Python interpreta que a expressão pode ser considerada
verdadeira.
Os valores lógicos são de fato a base de toda a computação, até porque, temos
que, o bit está ligado ou o bit está desligado. O valor lógico em sua forma mais
primitiva assume o número 1 quando for um valor verdadeiro e o valor 0 quando for um
valor falso. Toda expressão avaliada na computação de maneira geral, resulta em um
valor lógico, isto é, ou a expressão é verdadeira ou falsa.

24
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Além disso, é possível combinar expressões comparativas utilizando operadores

booleanos, assim, buscando resultados mais complexos que posteriormente podem ser
utilizados em condicionais, por exemplo. A Figura 1.19 demonstra como combinar
comparadores de igualdade com os operadores “and” e “or” buscando um resultado
único booleano por expressão.

# Operações avançadas com operadores lógicos

a=1
b=2
c=3
d=3
ab = a == b
cd = c == d
print(ab and cd)
print(ab or cd)
Figura 1.19. Código Python para exemplificar Exemplo de operações relacionais e lógica
combinada

1.6.7. Controle de Fluxo

O controle de fluxo é uma parte importantíssima das linguagens de programação, uma
vez que dão total autonomia ao desenvolvedor para definir se algo deve ou não ser
realizado. O controle de fluxo só é possível devido às operações lógicas que tornam
possível realizar testes de verdadeiro ou falso para dadas expressões. Os conceitos de
controle de fluxo podem ser divididos em duas partes: o controle de fluxo através de
condicionais e através de laços de repetição. Sobre o controle de fluxo através de
condicionais, a Figura 1.20 demonstra como desenvolver um código para tomar certas
decisões dependendo de condições prévias.

# Utilização de condicionais (if, else, elif)

a=2
b = False

if b == True:
print("Eba, o B é positivo!")
elif a > 0:
print("Eba, o A é maior do que 0")
else:
print("Poxa... Nenhuma das condições foi verdadeira")
Figura 1.20. Código Python para exemplificar o uso de condicionais

25
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Uma das capacidades de uma linguagem de programação é a de decidir o fluxo

por onde os comandos são executados. O controle condicional é necessário em
praticamente todo programa de computador, sendo basicamente a capacidade de tomar
decisões com base em certas condições.
A linguagem Python tem algumas palavras reservadas que são dedicadas
especialmente para criar fluxos de execuções condicionais, como: “if”, “else” e “elif”.
Basicamente, os condicionais nos permitem selecionar certos blocos de código que são
ou não executados dependendo da condição inserida para ser analisada.
Na Figura 1.20, o comando “if” verifica se a primeira condição é válida, ou seja,
se a variável “b” possui o valor True. Como “b” tem o valor False, a condição foi
considerada falsa. O interpretador então pula para o próximo comando, sendo esse o
“elif”. A condição do “elif” é verdadeira, logo, o interpretador exibe a mensagem "Eba,
o A é maior do que 0". Caso a variável “a” não fosse maior do que 0, o interpretador
Python pularia para a próxima instrução que seria o “else”, e consequentemente exibiria
o texto "Poxa... Nenhuma das condições foi verdadeira". O comando “else” sempre é
executado quando todas as condições acima não forem verdadeiras. O comando “elif”
do Python tem a mesma função do comando “elseif” em outras linguagens como o PHP
e JavaScript, por exemplo.
Já o controle de fluxo através dos laços de repetição, é a capacidade de repetição
de comandos até que uma dada condição seja satisfeita. Existem vários tipos de laços
(loops) em Python. O mais comum e amplamente utilizado é o “for”. Normalmente o
“for” é utilizado com objetos iteráveis, tais como listas e intervalos. Para simplificar,
são utilizados dois exemplos: um com uma lista e outro com um intervalo. A Figura
1.21 demonstra um loop “for” percorrendo cada um dos elementos de uma lista. A
condição de parada é o final da lista.

# Exemplo de utilização do laço de repetição for com lista

for i in [0, 1, 'oi', 3, 4.5, 'batata']:
print(i)
Figura 1.21. Código Python para exemplificar um loop percorrendo uma lista
É interessante notar que não há diferença se a lista é de um determinado tipo
único (como uma lista exclusivamente de número inteiros), ou se a lista tem valores
mistos (como inteiros, strings e decimais). No exemplo da Figura 1.21, o loop percorre
item por item passando o valor do item atual para a variável “i”. Já na Figura 1.22,
pode-se notar um exemplo de utilização de laço de repetição “for” com um intervalo.

# Exemplo de utilização do laço de repetição for com intervalo

for i in range(5):
print(i)
Figura 1.22. Código Python para exemplificar o uso de laços de repetição com intervalo
Os loops podem possibilitar, por exemplo, que os sistemas de recomendação
percorram os valores advindos da base de dados para obter insumos, podendo sugerir

26
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

itens aos usuários. Sem a navegação dos itens realizada pelos laços seria pouco provável
a viabilidade de implementar um bom algoritmo de recomendação.

1.6.8. Funções
Funções são blocos de código que realizam determinadas tarefas que normalmente
precisam ser executadas várias vezes dentro de uma aplicação. Quando surge a
necessidade de executar diversas vezes o mesmo código, criamos funções para que estas
instruções não precisem ser repetidas atrapalhando a manutenção do código e causando
dualidades. Assim, é possível “empacotar” trechos de códigos e utilizá-los em diversos
lugares diferentes.
Uma função pode ser criada no Python utilizando a palavra reservada “def”
seguida do nome da função e parâmetros desejados (caso existam). Após isso, deve ser
criado o corpo da função que pode dispor de um retorno de valor ou não. A Figura 1.23
demonstra como criar e executar uma função sem retorno. Já a Figura 1.24 demonstra
como criar e utilizar uma função genérica que retorna o salário semanal de um indivíduo
e que pode ser utilizada em diversas outras partes de um programa.

def oi(nome):
print('Olá',nome)
oi("Maria")
Figura 1.23. Código Python para exemplificar uma função simples

# Esta função calcula se a carga horária semanal passou de 40 horas e calcula o

valor das horas extras. O resultado é o retorno do quanto o indivíduo deve receber.
def calcular_salario_semana(qtd_horas, valor_hora):
horas = float(qtd_horas)
taxa = float(valor_hora)
if horas <= 40:
salario=horas*taxa
else:
h_excd = horas - 40
salario = 40*taxa+(h_excd*(1.5*taxa))
return salario
mó
# 176 horas trabalhadas
salario = calcular_salario_semana(176, 10)
print("O valor que a pessoa precisa receber é: {}".format(salario))
Figura 1.24. Código Python para exemplificar uma função com retorno

27
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

As funções sem retorno, como a da Figura 1.23, não são muito usuais.
Normalmente é esperado que, após o processamento realizado por uma função, seja
retornado um resultado para que o fluxo continue a partir daquele valor (realizando
outras operações ou exibindo algo ao usuário), assim como a função da Figura 1.24. É
recomendado que as funções sejam mais genéricas possíveis para que o código possa
ser reaproveitado ao máximo de vezes sem exigir alterações particulares para cada caso.
Nesse contexto, é preciso criar algo genérico o suficiente para ser útil em várias partes
do código, mas ao mesmo tempo com um grau de complexidade acessível que dê para
realizar manutenção sem problemas maiores. Muitas funções possibilitam atender a
diversos cenários, mas são extremamente complexas para serem entendidas. O mundo
ideal é ter funções genéricas e simples de serem entendidas para futuras alterações e
manutenções.
A linguagem Python dispõe ainda de diversas funções próprias prontas ao uso
do programador. É possível, por exemplo, medir o tamanho de uma lista utilizando a
função “len”, além de indicar que todos os caracteres de uma String são minúsculos
utilizando a função “lower”. Existe uma gama de funções prontas para cada tipo de
trabalho que se deseje realizar partindo desde formatação de texto até a análise de dados
matemáticos complexos. A linguagem Python atualmente é uma das mais bem
preparadas para atender tanto os programadores com demandas mercadológicas (criar
sistemas, telas de autenticação, integrar com bancos de dados etc.) até pesquisadores
que necessitam realizar cálculos em terabytes de dados.

1.7. Hands-on: Implementando um Algoritmo de Recomendação

A plataforma do Google Colab3 foi escolhida como ambiente para a implementação de
um algoritmo de recomendação simples, visando demonstrar de forma prática os
conhecimentos anteriormente abordados nesse capítulo. Tal plataforma foi adotada por
ser gratuita, on-line e por dispor de ambiente Python preparado com o necessário para a
execução do código que é demonstrado nessa seção.
O Google Colab também conta com outros pontos positivos, como o fato do
usuário poder salvar o notebook de códigos criados para utilizar e/ou estudar
posteriormente. Além disso, também é possível acessá-lo de qualquer dispositivo que
tenha acesso com a internet e navegador compatível. Por ser on-line, o ambiente do
Google Colab proporciona que não seja necessário criar e configurar ambientes Python
complexos para a implementação de algoritmos, simplificando, portanto, a
empregabilidade do conhecimento abordado nessa seção e não exigindo a necessidade
de conhecimentos sobre infraestrutura e sistemas operacionais para instalar e configurar
o ambiente Python.
A presente seção aborda um exemplo de algoritmo de recomendação de filmes.
É utilizada a base do MovieLens para exemplificar como um algoritmo de
recomendação funciona. O objetivo dessa exemplificação é recomendar filmes que
ainda não foram assistidos por um usuário de acordo com as avaliações da base de
dados. Nessa base é possível selecionar avaliações de vários usuários u para diversos
filmes f. Dessa forma, temos uma matriz u X f. Os filmes são avaliados considerando

3
[Link]

28
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

uma escala de 1 até 5 (“avaliação 1 estrela” até “avaliação 5 estrelas”). Caso um usuário
u não tenha avaliado um filme f, o valor dessa associação é 0.
Considerando que estamos utilizando a filtragem colaborativa como abordagem
de recomendação, uma solução para prover recomendações de filmes f para um usuário
u é analisar um conjunto de usuários S que são similares ao usuário u e que já assistiram
ao filme f. A importação dessa base e a execução desses passos iniciais pode ser feita
utilizando a biblioteca Python, Surprise. Através da utilização do Surprise, é possível
carregar o dataset do MoviesLens, conforme demonstrado na Figura 1.25.
A partir do “ml-100k” é possível carregar um dataset com 100.000 registros de
interação de usuários (linhas) com filmes (colunas) do MovieLens. O método
“load_builtin()”, proveniente da biblioteca Surprise, permite a importação de 943 linhas
e 1682 colunas deste dataset.

#instalação e importação do Surprise

#a exclamação antes do comando “pip” deve ser utilizada no caso de uso do Google
Colab

!pip install surprise

from surprise import Dataset
from surprise import KNNBasic
#para carregar o dataset do MovieLens
dados = Dataset.load_builtin("ml-100k")

Figura 1.25. Código Python para importação da biblioteca Surprise e do dataset do

MovieLens
A partir dessa matriz, é possível calcular a similaridade entre os filmes, ou seja,
a abordagem de filtragem colaborativa chamada de baseado em item (item-item). Ao
contrário da baseada em usuário (user-based), essa abordagem cria para cada filme um
vetor de avaliações. Existem algumas implementações Python possíveis para calcular a
similaridade entre dois vetores. Uma delas é a “cosine”. A similaridade “cosine” entre
dois vetores pode ser facilmente calculada utilizando o “KNNBasic”. Dessa forma, é
preciso indicar como propriedade da similaridade que não se trata de um “user-based” e
de que se deseja implementar a “cosine”, conforme Figura 1.26.

opcoes_sim = {
'name': 'cosine',
'user_based': False
}
knn = KNNBasic(sim_options=opcoes_sim)
Figura 1.26. Código Python para declarar a similaridade cosine utilizando o KNNBasic

29
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

É possível definir também um conjunto de dados para treinamento utilizando

toda a base carregada na variável “dados”. O “KNNBasic” representado no exemplo da
Figura 1.26 pela variável “knn”, pode ser treinado utilizando o método “fit( )”, assim
como demonstrado no código Python na Figura 1.27.

dados_treinamento = dados.build_full_trainset()
[Link](dados_treinamento)
Figura 1.27. Código Python para treinar o dataset utilizado
O principal beneficiado com as recomendações desse exemplo são aqueles
usuários que ainda não assistiram algum filme da base. Para selecionar os pares desses
usuários (usuário-filme) no conjunto treinado “trainingSet”, é possível utilizar o método
“build_anti_testset()”. Com todos esses registros selecionados, é possível aplicar o
método “test()” para se obter predições de avaliações.
Essas predições indicam (com base no conjunto treinado) que um usuário u que
tenha avaliado positivamente alguns filmes de animação pode avaliar outros filmes
semelhantes de animação com 5 estrelas, pode exemplo. Nesse contexto, há uma grande
possibilidade que filmes de animação ainda não assistidos por esse usuário obtenham
um índice maior de similaridade. Essa etapa está representada na Figura 1.28.

dados_teste = dados_treinamento.build_anti_testset()
predicoes = [Link](dados_teste)
Figura 1.28. Código Python para gerar as predições da recomendação com base nos
dados de treinamento
Com essas predições definidas, é possível ranquear e selecionar apenas as 4
predições mais bem pontuadas. Para isso, o método “get_top4_recomendacoes” é
criado, conforme Figura 1.29.

from collections import defaultdict

def get_top4_recomendacoes(predicoes, topN = 4):

top_recomendacoes = defaultdict(list)
for uid, iid, true_r, est, _ in predicoes:
top_recomendacoes[uid].append((iid, est))
for uid, avaliacoes_usuario in top_recomendacoes.items():
avaliacoes_usuario.sort(key = lambda x: x[1], reverse = True)
top_recomendacoes[uid] = avaliacoes_usuario[:topN]

return top_recomendacoes
Figura 1.29. Código Python para declarar função de seleção apenas das quatro
predições mais bem ranqueadas

30
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Para isso, é preciso indicar que a variável “top_rcomendacoes” (a variável que

armazena os resultados do método criado) corresponde a uma “defaultdict(list)”, uma
maneira mais simples da biblioteca “collections” de inicializar um dicionário. Nesse
caso, o dicionário está sendo inicializado com uma coleção (uma lista). O retorno das
predições é indicado pelos identificadores (ids) dos filmes. Para que seja possível
compreender bem qual filme está no top-4 de determinado usuário, é possível utilizar
um método4 da biblioteca Surprise que cria uma relação (dicionário) dos nomes dos
filmes e respectivos ids, conforme o código da Figura 1.30.

import os, io
def read_item_names():
file_name = ([Link]('~') +
'/.surprise_data/ml-100k/ml-100k/[Link]')
rid_to_name = {}
with [Link](file_name, 'r', encoding='ISO-8859-1') as f:
for line in f:
line = [Link]('|')
rid_to_name[line[0]] = line[1]
return rid_to_name
Figura 1.30. Código Python para declarar função de seleção de nome dos filmes do
MovieLens
Fonte: Documentação da biblioteca Surprise5
Por fim, o código da Figura 1.31 demonstra como realizar a chamada dessas
funções criadas para visualizar os resultados. O primeiro passo é utilizar a função
“get_top4_recomendacoes” para selecionar apenas as 4 primeiras das predições geradas
com o KNNBasic para cada aluno. Em seguida, é preciso selecionar os nomes desses
filmes utilizando o método “read_item_names()”. Como o retorno do método
“get_top4_recomendacoes” é uma lista, é possível utilizar o método “items()” para
iterar os valores da lista. Nesse caso, o objetivo é o de apenas associar o nome do filme
para cada um dos “iid” (identificador do item, ou seja, o filme retornado no método).

top4_recomendacoes = get_top4_recomendacoes(predicoes)
rid_to_name = read_item_names()
for uid, avaliacoes_usuario in top4_recomendacoes.items():
print(uid, [rid_to_name[iid] for (iid, _) in avaliacoes_usuario])
Figura 1.31. Código Python para exibir recomendação para os usuários sem
classificações do dataset

4
Disponível em [Link]
5
Disponível em [Link]

31
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Após execução do código Python da Figura 1.31 no Python, é retornado

imediatamente na tela uma lista com o identificador do usuário (id), seguido pelo nome
dos quatro filmes mais similares de acordo com o algoritmo anteriormente
implementado. Uma parte desse retorno pode ser visualizado na Figura 1.32, que exibe
os resultados para os usuários de ids 196,186, 22, 166, 298 e 115. É possível perceber
que cada nome de filme vem acompanhado também do ano de lançamento entre
parênteses.

196 ['Very Natural Thing, A (1974)', 'Walk in the Sun, A (1945)', 'War at Home, The
(1996)', 'Sunchaser, The (1996)']
186 ['Mamma Roma (1962)', 'Conspiracy Theory (1997)', 'Toy Story (1995)',
'MatchMaker, The (1997)']
22 ['Entertaining Angels: The Dorothy Day Story (1996)', 'King of New York (1990)',
'Usual Suspects, The (1995)', "One Flew Over the Cuckoo's Nest (1975)"]
244 ['Other Voices, Other Rooms (1997)', 'Big Bang Theory, The (1994)', 'Godfather,
The (1972)', 'Casablanca (1942)']
166 ['Mamma Roma (1962)', 'Delta of Venus (1994)', 'Carmen Miranda: Bananas Is My
Business (1994)', 'Marlene Dietrich: Shadow and Light (1996) ']
298 ['North by Northwest (1959)', 'Pinocchio (1940)', 'Amadeus (1984)', 'When Harry
Met Sally... (1989)']
115 ['2001: A Space Odyssey (1968)', 'Clockwork Orange, A (1971)', 'Three Colors:
White (1994)', 'Leaving Las Vegas (1995)']

Figura 1.32. Extrato de resultados da recomendação de filmes utilizando biblioteca

Surprise

1.8. Principais Desafios e Oportunidades de Pesquisa

Apesar dos algoritmos de recomendação serem amplamente utilizados nos últimos anos,
ainda existem diversos desafios em aberto. A privacidade de dados abordada na Seção
1.5 é um aspecto que deve ser considerado em qualquer solução que manipule dados de
usuários. Além dessas questões abordadas, pode-se mencionar alguns desafios:
• Falta de dados: não é sempre que usuários possuem dados a serem extraídos das
plataformas para que seja feita a recomendação. Em uma aplicação de venda de
imóveis, por exemplo, podemos considerar que seria aceitável se a aplicação não
dispusesse de muitos dados de muitos clientes, uma vez que a compra de uma
casa é algo pouco frequente. Para solucionar esse desafio, os sistemas de
recomendação podem implementar técnicas baseadas em conhecimento que
incluem uma base de conhecimento do usuário para apoiar na recomendação
[Aggarwal 2016].
• Dificuldade para mostrar novos dados: em uma recomendação colaborativa de
filmes, como a do nosso exemplo, é preciso considerar que pode existir uma
dificuldade de incluir no resultado final da recomendação determinados filmes
que são pouco classificados por usuários. Isso ocorre devido ao fato de que a
classificação de usuários é um critério importante no cálculo de similaridade

32
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

entre itens. Se há ausência de classificações, pode existir consequentemente um

baixo índice de recomendação.
• Cold-start: ainda há uma dificuldade em recomendar itens para usuários que não
possuem muito tempo de utilização das plataformas. Logo, esses usuários
possuem poucos dados registrados, como o de vizinhos (no caso da filtragem
colaborativa) ou de históricos (no caso da baseada em conteúdo) para que a
recomendação tenha mais chances de acerto.
• Itens imprevisíveis: alguns itens não possuem uma classificação totalmente em
comum para todos os usuários. Um exemplo seria em recomendação de músicas.
Algumas músicas são adoradas por muitos usuários e odiadas por diversos
outros. Isso faz com que as soluções de recomendação tenham dificuldade de
identificar se essa música pode ser um item relevante a ser considerado no
processo de recomendação.
Os problemas mencionados são amplamente envolvidos em tópicos de pesquisa
sobre sistemas de recomendação. Surgem possibilidades de inclusão de técnicas de
mineração de dados (como em [Campos et al. 2019]), Linked Open Data (como em
[Noia e Ostuni 2015]), redes sociais [Logesh et al. 2018], bem como estudos que
abordem a perspectiva de Ecossistemas de Software (ECOS) para melhor compressão
das interações do software, facilitando a reutilização (conforme adotado em [Campos et
al. 2018] e/ou possibilitando o compartilhamento de soluções de recomendação,
permitindo a integração com outros sistemas de informação (a exemplo de [Abdalla et
al. 2018]).

1.9. Conclusão
Com o avanço da tecnologia, os algoritmos de recomendação têm sido utilizados cada
vez mais, e em diversos cenários. Seja utilizando dados de diversos usuários ou apenas
dados históricos de um usuário interessado, esses algoritmos permitem solucionar
problemas, otimizar os processos de busca e recuperação da informação e
consequentemente atribuem valor para as aplicações que os utilizam. Apesar da fácil
compreensão do objetivo final de um algoritmo de recomendação, o processo em si
pode ser complexo e pode utilizar ainda outras técnicas, como a de mineração de dados,
para auxiliar no resultado final.
Uma preocupação existente na utilização desses algoritmos atualmente é a
privacidade de dados dos usuários. Isso demanda uma necessidade em reavaliar quais
dados são utilizados para o processo de recomendação de um usuário, quais dados de
um usuário são utilizados para os processos de recomendação de outros usuários, mas
também políticas públicas de privacidade de dados que amparem usuários de diversos
websites ou qualquer solução que possua extração e uso de dados de usuários.
Esse capítulo apresentou os principais conceitos dos algoritmos de
recomendação, ressaltando teorias da literatura que demonstram o funcionamento e o
comportamento dos diversos tipos de soluções de recomendação. Entendemos ser
essencial que os conhecimentos de linguagem de programação sejam introduzidos para
que um interessado em implementar um algoritmo de recomendação possa compreender
seu funcionamento em sua totalidade. Nesse contexto, adotamos o Python como
linguagem de programação e demostramos as principais operações através do Google
Colab.

33
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

A implementação do algoritmo de recomendação demonstrada nesse capítulo

pode ser totalmente adotada através de outra linguagem de programação, desde que
respeitados as particularidades de cada linguagem. Os resultados da recomendação
exibem como essa técnica pode auxiliar na recuperação de uma informação próxima
daquilo que determinado usuário busca, sendo assim, portanto, um recurso importante
para as técnicas de busca e recuperação da informação.

Referências
Abdalla, A., Ströele, V., Campos, F., David, J. M. N. and Braga, R. (2018). Plataforma
de Ecossistema de Software para Sistemas de Recomendação. In Anais do XIV Simpósio
Brasileiro de Sistemas de Informação. . SBC.
Aggarwal, C. C. (2016). Recommender systems. Cham: Springer International
Publishing.
Armknecht, F. and Strufe, T. (2011). An Efficient Distributed Privacy-preserving
Recommendation System. [IEEE, Ed.]In 2011 The 10th IFIP Annual Mediterranean Ad
Hoc Networking Workshop. . [Link]
Baeza-Yates, R. and Ribeiro-Neto, B. (2013). Recuperação de Informação - 2ed:
Conceitos e Tecnologia das Máquinas de Busca. Bookman Editora.
Balabanović, M. and Shoham, Y. (1997). Fab: content-based, collaborative
recommendation. Communications of the ACM, v. 40, n. 3, p. 66–72.
Campos, R., Santos, R. P. and Oliveira, J. (2018). Web-Based Recommendation System
Architecture for Knowledge Reuse in MOOCs Ecosystems. In 2018 IEEE International
Conference on Information Reuse and Integration (IRI). . IEEE.
[Link]
Campos, R., Santos, R. P. and Oliveira, J. (2019). A Recommendation System
Enhanced by Topic Modeling for Knowledge Reuse in MOOCs Ecosystems. Reuse in
Intelligent Systems. Newcastle upon Tyne, UK: Cambridge Scholars Publishing (in
press). .
Cazella, S. C., Chagas, I. C. Das, Barbosa, J. L. V. and Reategui, E. B. (2008). Um
modelo para recomendação de artigos acadêmicos baseado em filtragem colaborativa
aplicado à ambientes móveis. RENOTE: revista novas tecnologias na educação
[recurso eletrônico]. Porto Alegre, RS,
Cazella, S. C., Drumm, J. V. and Barbosa, J. L. V (2010). Um serviço para
recomendação de artigos científicos baseado em filtragem de conteúdo aplicado a
dispositivos móveis. RENOTE, v. 8, n. 3.
Cazella, S. C., Nunes, M. and Reategui, E. (2010). A Ciência da Opinião: Estado da arte
em Sistemas de Recomendação. André Ponce de Leon F. de Carvalho; Tomasz
Kowaltowski..(Org.). Jornada de Atualização de Informática-JAI, p. 161–216.
Costa, E., Aguiar, J. and Magalhães, J. (2013). Sistemas de Recomendação de Recursos
Educacionais: conceitos, técnicas e aplicações. Jornada de Atualização em Informática
na Educação, v. 1, n. 1.
Desrosiers, C. and Karypis, G. (2011). A Comprehensive Survey of Neighborhood-
based Recommendation Methods. Recommender Systems Handbook. Boston, MA:

34
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Springer US. p. 107–144.

Do, M.-P. T., Nguyen, D. V. and Nguyen, L. (2010). Model-based Approach for
Collaborative Filtering. Proceedings of The 6th International Conference on
Information Technology for Education (IT@EDU2010), n. August 2010, p. 217–225.
Feng, P., Zhu, H., Liu, Y., Chen, Y. and Zheng, Q. (2018). Differential Privacy
Protection Recommendation Algorithm Based on Student Learning Behavior. In 2018
IEEE 15th International Conference on e-Business Engineering (ICEBE).
Grossman, D. A. and Frieder, O. (2004). Information Retrieval: Algorithms and
Heuristics. Springer.
Herlocker, J. L., Konstan, J. A. and Riedl, J. (2000). Explaining collaborative filtering
recommendations. In Proceedings of the 2000 ACM conference on Computer supported
cooperative work.
Jiang, J.-Y., Li, C.-T. and Lin, S.-D. (2019). Towards a More Reliable Privacy-
preserving Recommender System. Journal of Information Sciences, v. 482, p. 248--265.
Jones, K. S. (1997). Readings in Information Retrieval. Morgan Kaufman.
Konstan, J. A., Miller, B. N., Maltz, D., et al. (1997). GroupLens: applying
collaborative filtering to Usenet news. Communications of the ACM, v. 40, n. 3, p. 77--
87.
Koren, Y. (2008). Factorization meets the neighborhood. In Proceeding of the 14th
ACM SIGKDD international conference on Knowledge discovery and data mining -
KDD 08. . ACM Press. [Link]
Logesh, R., Subramaniyaswamy, V. and Vijayakumar, V. (2018). A personalised travel
recommender system utilising social network profile and accurate GPS data. Electronic
Government, an International Journal, v. 14, n. 1, p. 90–113.
Mcsherry, F. and Mironov, I. (2009). Differentially Private Recommender Systems:
Building Privacy into the Netflix Prize Contenders. In ACM SIGKDD International
Conference on Knowledge Discovery and Data Mining.
Motta, C. L. R. Da, Garcia, A. C. B., Vivacqua, A. S., Santoro, F. M. and Sampaio, J.
O. (2011). Sistemas de recomendação. Pimentel, M.; Fuks, H.“Sistemas colaborativos”.
Rio de Janeiro: Elsevier,
Noia, T. Di and Ostuni, V. C. (2015). Recommender Systems and Linked Open Data.
Reasoning Web International Summer School. Springer. [Link]
[accessed on Apr 13].
Qi, L., Xiang, H., Dou, W., et al. (7 sep 2017). Privacy-Preserving Distributed Service
Recommendation Based on Locality-Sensitive Hashing. In Proceedings - 2017 IEEE
24th International Conference on Web Services, ICWS 2017. . Institute of Electrical and
Electronics Engineers Inc.
Ricci, F., Rokach, L., Shapira, B. and Kantor, P. B. (2015). Recommender systems
handbook. Springer.
Santos, L. C. de M. Dos and Bräscher, M. (31 dec 2017). Uso de ontologia na
recuperação da informação em acervos digitais de jornais. Informação & Informação, v.
22, n. 3, p. 346.

35
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Shardanand, U. and Maes, P. (1995). Social Information Filtering: Algorithms for

Automating \Word of Mouth". Chi. Citeseer. v. 95p. 210--217.
Wang, C., Zheng, Y., Jiang, J. and Ren, K. (1 feb 2018). Toward Privacy-Preserving
Personalized Recommendation Services. Engineering, v. 4, n. 1, p. 21–28.

Sobre os Autores

Leonardo Herdy Marinho

Mestrando no Programa de Pós-Graduação em Informática (PPGI) da Universidade
Federal do Rio de Janeiro (UFRJ) na área de Sistemas de Informação, com um tema de
pesquisa focado em investigar como os sistemas de recomendação podem apoiar os
ecossistemas de startups na geração de parcerias. Profissional com 5 anos de
experiência como analista e desenvolvedor de sistemas. Graduado em Análise e
Desenvolvimento de Sistemas, possui experiência em projetos com PHP, Laravel,
Javascript, NodeJs, Angular, Ionic, Dart, Flutter, Aqueduct, Django e Python.

Rodrigo Campos
Mestrando no Programa de Pós-Graduação em Informática (PPGI) da Universidade
Federal do Rio de Janeiro (UFRJ) na área de Sistemas de Informação, com um tema de
pesquisa focado em investigar como os sistemas de recomendação podem apoiar os
ecossistemas MOOCs na reutilização do conhecimento. Profissional com 4 anos de
experiência como desenvolvedor de sistemas em empresas governamentais brasileiras,
como a Marinha do Brasil e atualmente o Instituto Federal de Educação, Ciência e
Tecnologia do Rio de Janeiro (IFRJ). Graduado em Análise e Desenvolvimento de
Sistemas, possui experiência em projetos com JavaEE, JSP, Hibernate e SpringMVC.

Rodrigo Pereira dos Santos

Professor Adjunto do Departamento de Informática Aplicada (DIA) e membro efetivo
do Programa de Pós-Graduação em Informática (PPGI) da Universidade Federal do
Estado do Rio de Janeiro (UNIRIO), onde atualmente é Coordenador do Curso de
Mestrado. Atuou como pesquisador visitante na University College London
(BEX/CAPES, 2014-2015). Atuou como consultor em projetos de pesquisa e
desenvolvimento em engenharia de sistemas na indústria nacional pela Fundação
Coppetec (2008-2017). É editor-chefe da iSys: Revista Brasileira de Sistemas de
Informação. É membro da Sociedade Brasileira de Computação (SBC) desde 2006 e
Coordenador do Comitê Gestor da Comissão Especial de Sistemas de Informação (CE-
SI) da SBC. Tem experiência na área de Ciência da Computação, com ênfase em
Engenharia de Software e Sistemas de Informação. Seus principais campos de atuação
são Engenharia de Sistemas Complexos (especialmente ecossistemas de software e
sistemas-de-sistemas) e Educação em Engenharia de Software. Foi coordenador
científico de mais de 20 eventos (simpósios, trilhas e workshops) no Brasil e no exterior
e proferiu comunicações (palestras, minicursos e tutoriais) em mais de 20 eventos
nacionais.

36
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Mônica Ferreira da Silva

Professora do Programa de Pós-graduação em Informática (PPGI) da Universidade
Federal do Rio de Janeiro (UFRJ). Doutora em Administração pelo COPPEAD/UFRJ
(2006). Mestre em Engenharia de Sistemas e Computação pela COPPE/UFRJ (1998).
Especialização em Gerência de Projetos pelo NCE/UFRJ (2001). Graduação em
Informática pela Universidade Federal do Rio de Janeiro (UFRJ) concluído com grau
Cum Laude de dignidade acadêmica (1988). Tem experiência nas áreas de Ciência da
Computação e Administração, com ênfase em Gestão da Tecnologia da Informação.
Atuando principalmente nos seguintes temas: estratégia e sistemas de informação,
metodologia de pesquisa científica e adoção de tecnologia.

Jonice Oliveira
Short Bio: Profa. Jonice Oliveira obteve o seu doutorado em 2007 na área de
Engenharia de Sistemas e Computação, ênfase em Banco de Dados, pela COPPE/UFRJ.
Durante o seu doutorado recebeu o prêmio IBM Ph.D. Fellowship Award. Na mesma
instituição realizou o seu Pós-Doutorado, concluindo-o em 2008. Desde 2009 é
professora do Departamento de Ciência da Computação da UFRJ e atualmente é
coordenadora do Programa de Pós-Graduação em Informática (PPGI-UFRJ). Coordena
o Laboratório CORES (Laboratório de Computação Social e Análise de Redes Sociais),
que conduz pesquisas multidisciplinares para o entendimento, simulação e fomento às
interações sociais. Sua principal área de pesquisa é Computação Social, mais
especificamente nos temas de Análise de Redes Sociais, Big Social Data, Suporte à
Decisão e Recomendação. Possui uma larga experiência em tais áreas, com mais de
centenas de artigos publicados, dezenas de orientações e envolvimento (como membro
ou como líder) em projetos de pesquisas nacionais e internacionais. Maiores detalhes
em: [Link]

37
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Capítulo

2
Introdução à Análise de Sentimentos com Word
Clouds

André Viana Tardelli, Angélica Fonseca da Silva Dias, Juliana Baptista dos
Santos França

Abstract

The goal of this short course is to allow an introductory discussion about Data Science,
specially the Sentiment Analysis area, in order to present its results graphically and
statistically. The course introduces the basic concepts of natural language processing
via text and argues for strategies for analyzing large amounts of data in order to detect
general opinions about a given number of assessments provided. The construction of
this analysis is made through the execution of structured stages, which determine each
analysis step separately, such as Training, Optimization and Graph Generation.

Resumo

O objetivo deste capítulo é permitir uma discussão introdutória sobre a área de

conhecimento de Ciência de Dados, e abordando a Análise de Sentimento, de maneira a
apresentar seus resultados de forma gráfica e estatística. O curso introduz os conceitos
básicos de processamento da linguagem natural via texto, e argumenta sobre
estratégias de análise de grandes quantidades de dados a fim de detectar opiniões
gerais sobre determinado número de avaliações fornecidas. A construção desta análise
é feita via a execução de estágios estruturados, que determinam cada etapa da análise
separadamente, como Treinamento, Otimização e Geração dos Gráficos.

38
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2.1. Introdução
Devido à grande quantidade de produtos e serviços disponibilizados via meios digitais
na sociedade atual, a opinião das pessoas que os utilizam é um fator cada vez mais
valioso para o discernimento de sua qualidade [Zhang et al., 2012]. Dessa forma,
diversos profissionais em empresas são responsáveis por processar e analisar o feedback
dado pelos usuários em canais digitais para prover sugestões e ideias para melhorar os
produtos disponibilizados pelas empresas.
Todavia, muitas vezes esse processamento e análise do feedback dos usuários
por humanos acabam tornando-se ineficaz, visto que existe um número demasiadamente
grande de comentários e avaliações a serem lidos. Dessa forma, diversos feedbacks
acabam sendo perdidos, visto que é muito difícil gerar um compilado eficaz de
informações capaz de mostrar a opinião geral que determinados usuários estão sentindo
em relação a algum produto. Assim, notou-se a escassez de algum método que fosse
capaz de destacar os feedbacks mais relevantes, de acordo com o tipo de opinião
fornecida [Agarwal et al., 2015].
Ao longo dos últimos anos foi introduzido o conceito de análise de sentimento,
que possibilitou explicitar opiniões de maneira mais direta, categorizando os elementos
principais de uma massa de texto de acordo com a sua relevância tanto positivamente
quanto negativamente. A identificação de sentimentos em artefatos textuais é uma das
áreas de pesquisa mais destacadas em Processamento de Linguagem Natural desde o
início dos anos 2000 [Liu, 2010]. Dessa maneira, o principal objetivo da análise de
sentimentos é definir técnicas automáticas capazes de extrair informações subjetivas de
textos em linguagem natural, como opiniões e sentimentos, a fim de criar conhecimento
estruturado [Benevenuto et al., 2015]. Empresas relevantes no mercado podem analisar
seus produtos e serviços de maneira geral e assim, obter um feedback mais preciso sobre
a massa de comentários disponibilizados por seus usuários.
Este capítulo tem como foco mostrar os conceitos básicos para gerar uma análise
de sentimento com base em uma massa de dados (grande volume de comentários), de
modo a conseguir representar de maneira gráfica e interativa os resultados obtidos. Para
isto, serão mostrados os conceitos de aprendizado de máquina e processamento de
linguagem natural através da linguagem Python, em um ambiente colaborativo e fácil de
ser preparado. Ao final, espera-se que os participantes tenham internalizado conceitos
relacionados à: i) Aprendizado de Máquina ii) Processamento de Linguagem Natural iii)
Análise de Sentimento e iv) Manipulação de datasets e geração de gráficos na
linguagem Python. É importante destacar que será apresentado no texto a mineração
(análise de sentimentos) usando métodos de classificação por aprendizado de máquina
supervisionado. No entanto, esta mineração poderia ser conduzida por outras técnicas
como as não supervisionadas (dicionários léxicos), ou semi-supervisionados.
O capítulo 2 está organizado de maneira estruturada, sendo constituído de uma
breve compreensão das abordagens teóricas e práticas. A seção 2.2 contém a base do
referencial teórico a ser discutido, a seção 2.3 possui as especificações de ambiente e
bibliotecas a serem utilizadas, a seção 2.4 discute todos os passos a serem realizados
durante a parte prática do capítulo, e a seção 2.5 contém uma breve discussão dos
resultados alcançados.

39
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2.2. Referencial Teórico

Antes de realizar uma análise de sentimento, é necessário rever os conceitos base que
compõem a sua estrutura. Nesta seção, serão apresentadas as bases teóricas da área de
Ciência de Dados que serão aplicadas em diversas partes da construção da análise a ser
realizada neste capítulo.

2.2.1. Aprendizado de Máquina

Com o avanço da tecnologia, tornou-se cada vez mais necessário a criação de sistemas
inteligentes capazes de simular ações realizadas por seres humanos. Essas simulações
ocorrem através da aplicação de algoritmos de Aprendizado de Máquina, com o
objetivo de extrair informações de dados fornecidos e consequentemente desenvolver
um modelo geral que seja capaz de representar o problema estudado [Horta, 2015].
Dessa forma, diferentes técnicas na área de Ciência de Dados foram implementadas de
maneira a induzir a tomada de alguma ação, seja baseada em experiências anteriores ou
a partir de medidas de qualidade de respostas obtidas.

Segundo Monard e Baranauskas (2003), o conceito de Aprendizado de Máquina

possui como objetivo desenvolver técnicas computacionais para adquirir conhecimento
de maneira automática, de forma a possibilitar que a máquina possa tomar decisões
autônomas. Esse paradigma tornou-se cada vez mais popular ao longo dos anos, visto
que a implementação de processos indutivos possibilitou a criação de classificadores
automáticos dado um conjunto pré-determinado de dados.

Dessa forma, a utilização de aprendizado de máquina trouxe diversas vantagens

na área de processamento de texto, visto que as acurácias das classificações são
comparáveis a de um ser humano, evitando assim a necessidade da intervenção de
especialistas da área para analisar e gerar os classificadores principais de diferentes
tipos de categorias [Sebastiani, 2002].

Na área de Aprendizado de Máquina, é possível treinar o seu algoritmo através

de uma maneira supervisionada, não supervisionada ou semi supervisionada. Com o
foco na análise de sentimentos, e de acordo com Benevenuto, Ribeiro e Araújo (2015), a
supervisionada é embasada nos conceitos de aprendizagem de máquina partindo da
definição de características que permitam distinguir entre sentenças com diferentes
sentimentos, treinamento de um modelo com sentenças previamente rotuladas e
utilização do modelo de forma que ele seja capaz de identificar o sentimento em
sentenças até então desconhecidas. Já a não supervisionada não conta com treinamento
de modelos de aprendizado de máquina e, em geral, são baseadas em tratamentos
léxicos de sentimentos que envolvem o cálculo da polaridade de um texto a partir de
orientação semântica das suas palavras. Por fim a semi supervisionada trata-se de uma
grande oportunidade para quem não pode bancar o preço de treinar todos os seus dados.
Este método permite-nos melhorar significativamente a acurácia, pois permite utilizar
dados não treinados com uma pequena quantidade de dados treinados. Neste capítulo,
será utilizado o aprendizado supervisionado para realizar a categorização dos elementos,
sendo discutido com mais detalhes na seção [Link].

40
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2.2.2. Aprendizado Supervisionado

Uma abordagem muito comum para gerar um aprendizado supervisionado é a separação
da massa de dados em uma massa de treino e uma massa de teste, contendo as
informações principais a serem analisadas. Dessa forma, a massa de treino é responsável
por possuir todas as informações a serem induzidas pelo algoritmo, enquanto a massa de
teste será utilizada para averiguar se as instâncias principais daquele conjunto de dados
conseguem ser corretamente previstos.

De acordo com Benevenuto et. al., (2015) o termo supervisionado é apresentado

justamente pelo fato de exigir uma etapa de treinamento de um modelo com amostras
previamente classificadas. O procedimento para realizar a aprendizagem de máquina
compreende as seguintes etapas principais: I. obtenção de dados rotulados para uso em
treino e para teste; II. Definição das features ou características que permitam a distinção
entre os dados; III. Treinamento de um modelo computacional com um algoritmo de
aprendizagem; e IV. Aplicação do modelo. Essas etapas serão conduzidas neste capítulo
através da biblioteca SKLearn apresentada nas sessões abaixo deste capítulo.

2.2.3. Processamento de Linguagem Natural

Uma das grandes dificuldades na área de Ciência de Dados é a capacidade de fazer com
que máquinas consigam processar e interpretar textos. Para conseguir simular essa
interpretação, foram elaborados conjuntos de técnicas para representar elementos
textuais de maneira computacional de modo a alcançar um nível de interpretação
linguística em uma máquina a nível de um ser humano.

Segundo Liddy (2001), o conceito de Processamento de Linguagem Natural é

definido por um conjunto de técnicas computacionais para analisar e representar
naturalmente textos em um ou mais níveis linguísticos de análise com o propósito de
alcançar um nível humano de interpretação para diversos tipos de tarefas ou aplicações.
Este nível de interpretação pode ser definido em diversas categorias, se baseando em
estruturas morfológicas, fonéticas, lexicais ou semânticas. Desta forma, diferentes
abordagens podem ser feitas para alcançar um nível de interpretação desejada, de
acordo com as necessidades de cada análise.

Como o objetivo do capítulo visa categorizar palavras-chave baseadas no

sentimento geral, uma análise léxica será utilizada para processar estes dados de
maneira a gerar uma análise individual de cada termo. Todavia, os textos a serem
analisados se encontram muito simples, dificultando a relevância de termos de maior
importância. Dessa forma, será necessário realizar um pré-processamento no corpus
textual a ser analisado de maneira a otimizar a interpretação de todos os termos
presentes no mesmo. Estes métodos de pré-processamento serão discutidos mais à frente
na seção 2.4.

2.2.4. Análise de Sentimentos

A área de Análise de Sentimento tem como foco principal explicitar termos principais
referentes a uma opinião em forma de texto [Serranoguerrero, 2015]. Dessa forma, é
possível analisar uma extensa variedade de dados referentes a algum produto ou serviço,

41
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

possibilitando uma visão generalizada da opinião dos clientes da mesma através de

relatórios ou recursos gráficos.

Todavia, antes de adentrar num detalhamento sobre seus métodos, é necessário

especificar o escopo a ser trabalhado ao citar a temática de sentimento. Sendo um
conceito estudado em diversas áreas como psicologia, computação e biologia, o
sentimento é representado em diversos estudos da literatura de maneiras distintas [Ceci
et. al., 2017].

Sentimento ou emoção indica uma carga de sentido específico presente em uma

mensagem, que pode ser: raiva, surpresa, felicidade, alegria, tristeza, etc. Alguns
métodos apresentam abordagens capazes de identificar qual sentimento uma sentença
representa. Um exemplo clássico trata-se da abordagem léxica Emolex [Mohammad and
Turney, 2013], a qual é baseada a partir da avaliação de milhares de sentenças em inglês
para 9 sentimentos diferentes: joy, sadness, anger, fear, trust, disgust, surprise,
anticipation, positive, negative. A força do sentimento representa a sua intensidade.
Normalmente, este resultado é flutuante entre (-1 e 1). Há trabalhos que por exemplo
medem a força de sentimentos nos títulos das notícias como o Magnet News[Reis et al.,
2014] [Reis et al., 2015b], capaz de separar eficientemente para o usuário notícias boas
de notícias ruins.

Partindo de uma avaliação cognitiva do assunto, Jung (2003) qualifica os

sentimentos através de um sinal positivo ou negativo. Dessa forma, é possível obter a
categorização de um sentimento em um viés computacional através da polarização
fornecida em um termo ou conteúdo. Assim, é muito comum ver a área de análise de
sentimento associada com temas como Processamento de Linguagem Natural, por
exemplo.

A área de Análise de Sentimento muitas vezes é igualada a área de Mineração de

Opinião, pois ambas surgiram com o intuito de realizar tarefas de identificação,
classificação, análise de opiniões e sentimentos. Dessa forma, ambas podem ser
classificadas como a área da computação que estuda todos os sentimentos, opiniões e
emoções expressas em um texto [Ceci et. al., 2017].

2.3. Ferramentas Utilizadas

Nesta etapa, serão discutidas as especificações do ambiente, bibliotecas e ferramentas a

serem importadas e utilizadas para gerar a análise. As ferramentas foram escolhidas
tendo em mente a utilização da linguagem Python, devido a vasta quantidade de
bibliotecas e plugins disponíveis para a realização da análise de dados e por ser uma
linguagem relativamente simples para a realização dos trechos de código a serem
executados. Todavia, não é necessário um extenso conhecimento da linguagem em si,
visto que todas as estruturas e nomenclaturas básicas de função serão discutidas passo a
passo ao longo do capítulo.

O ambiente a ser utilizado para a execução dos scripts em Python será a

plataforma Google Colaboratory, que proporciona um ambiente online sem necessidade

42
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

de configurações complexas e fornece um processamento de dados sobre uma máquina

virtual disponibilizada gratuitamente através de uma conta Google. Dessa forma, o
único recurso necessário para todas as máquinas a serem utilizadas será a
disponibilidade de computadores com acesso à internet.

Além disso, alguns scripts necessitaram de funcionalidades que requerem a

importação de alguma biblioteca, que serão explicitadas conforme o avanço da
dinâmica. As bibliotecas utilizadas podem ser consultadas através da Tabela 1.1.
Tabela 1 - Bibliotecas a serem importadas e utilizadas durante a execução do
capítulo

BIBLIOTECA DESCRIÇÃO DA FUNCIONALIDADE

PANDAS Possibilita a leitura e manipulação de

estruturas de dados através de arquivos
contendo agrupamentos de dados.

MATPLOTLIB Biblioteca de Dados 2d capaz de produzir

imagens de alta qualidade através da análise
dos dados fornecidos. Será utilizada para
plotar gráficos estatísticos e os word clouds
gerados na análise

NLTK Plataforma voltada para trabalhar com dados

gerados pela linguagem humana. Será
utilizada para fazer o processamento de
linguagem natural dos textos fornecidos.

SKLEARN Biblioteca de aprendizado de máquina,

contendo algoritmos de regressão,
agrupamento e seleção para gerar diferentes
tipos de aprendizado.

43
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2.3.1. Descrição do Dataset

De maneira a categorizar o sentimento associado a um conjunto de palavras, é
necessária alguma base de dados contendo diversos comentários e opiniões associados a
algum tema. Uma das maneiras mais simples de conseguir montar estas bases é
coletando dados de alguma página contendo avaliações de clientes, onde normalmente
existe alguma nota associada a eles.

A base de dados a ser utilizada será a base do IMDb (Internet Movie Database),
que possui reviews de filmes, músicas e programas de televisão em geral. Devido a
grande massa de dados disponível em conjunto das notas associadas ao comentário do
mesmo, a massa é muito conveniente e propícia para realizar uma mineração de opinião.

De modo a fazer a análise do texto utilizando o idioma em português, a

comunidade de desenvolvedores na plataforma Kaggle traduziu o conteúdo dos
comentários em inglês e adaptou para o português brasileiro. Para facilitar a
manipulação de dados e o tamanho do arquivo a ser enviado durante a realização do
capítulo, o dataset fornecido também foi adaptado, possuindo as seguintes colunas:

Tabela 2 - Colunas principais do dataset a ser fornecido para análise

COLUNA DESCRIÇÃO

TEXT_PT Texto do comentário traduzido para o

português brasileiro de um programa ou
filme assistido

SENTIMENTO Representa a opinião geral, onde notas iguais

ou maiores a 7 = “pos” e abaixo de 7 = “neg”

CLASSIFICACAO Classificação do sentimento convertido para

um valor binário, de modo que recebe 0 para
sentimento positivo e 1 para sentimento
negativo.

2.4. Execução dos Estágios

Após explicar os objetivos do curso e ajudar os alunos no preparo do ambiente de
desenvolvimento, a parte prática será dividida em quatro etapas (estágios), detalhadas a
seguir (Figura 2.1):

Figura 2.1 - Estrutura dos estágios a serem realizados no capítulo.

44
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Cada etapa representará um dos passos realizados para a execução de uma

análise de sentimento, de modo a facilitar o entendimento dos métodos de execução
dividindo-os em partes. Além disso, um gabarito será disponibilizado contendo o
conteúdo de cada parte ao término de sua explicação, de maneira a facilitar a
identificação de possíveis erros durante a execução dos scripts por cada aluno. Cada
etapa será detalhada sobre seus métodos e resultados a partir das próximas seções, sendo
explicadas a seguir.

2.4.1. Stage 1
Nesse primeiro estágio, conforme a Figura 2.2, será iniciado o preparo do ambiente de
desenvolvimento dos alunos através da leitura de uma base de dados previamente
preparada para leitura e manipulação dos dados da mesma. Essa base de dados foi
fornecida em um link para download no minicurso, possuindo uma base pré-processada
e pronta para realizar a análise.

Figura 2.2 - Estrutura do primeiro estágio a ser realizado.

Após baixar a base de dados, será pedido aos participantes para criarem um novo
notebook na plataforma Google Colaboratory, através de suas contas Google (Figura
2.3). Após criarem, os mesmos deverão fazer o upload da massa de dados baixada
diretamente para o notebook criado, conforme a Figura 2.4, possibilitando a sua
manipulação de dados.

Figura 2.3 - Criação do arquivo a ser gerada a análise.

45
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.4 - Instruções de upload do dataset para possibilitar a manipulação de

dados.

[Link]. Utilizando a biblioteca Pandas para manipular dados

Com o ambiente e a massa preparados, é hora de começar a manipular os dados
contidos na base. Realizando um comando para importar a biblioteca Pandas do Python,
será possível ler os dados extraídos de um arquivo csv e convertê-lo para uma estrutura
de dados propícia para habilitar a sua manipulação. Após converter esses dados em um
dataset, é possível mostrar os resultados com a atribuição deste em uma variável,
conforme mostrado na Figura 2.5.

Figura 2.5 - Primeira visualização dos dados do dataset na biblioteca Pandas.

[Link]. Bag-of-words
Podendo manipular os dados, o próximo passo é converter todo o corpus textual,
constituído por todos os comentários presentes no dataset, de maneira a criar uma
representação para que o computador consiga interpretar estes dados. Uma das formas
mais famosas para gerar essa visualização é através de uma abordagem onde todo o
conteúdo do documento será representado como um vetor de palavras de acordo com
suas ocorrências no mesmo [Matsubara et al., 2003]. Esse modelo de simplificação
representativa é muito utilizado na área de Processamento de Linguagem Natural, sendo
denominada bag-of-words.
A abordagem bag-of-words possibilita a representação de documentos textuais
no formato de uma tabela atributo-valor, composta pelo número total de termos totais
em cada uma de suas iterações. Dessa forma, todos os termos contidos no corpus textual
tornam-se as colunas de um vetor, enquanto as linhas representam a frequência de cada
uma das palavras contidas em cada iteração do mesmo. A presença de cada termo é
categorizada de maneira binária, ou seja, se o termo está presente no documento, o valor

46
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

de uma posição Aij é acrescentado em 1, e caso contrário 0 [Matsubara et al., 2003] A

Figura 2.6 ilustra a definição de um vetor utilizando a abordagem bag-of-words, de
maneira a categorizar a frequência de todas as palavras presentes em cada frase do
corpus textual de maneira binária.

Figura 2.6 - Exemplo de como os elementos são armazenados em uma bag-of-

words.

[Link]. Treinamento do algoritmo

Com o array montado, agora é possível analisar a frequência de todas as palavras em
relação a todos os comentários. Dessa maneira, resta associar a frequência em conjunto
ao sentimento associado, de maneira a verificar se as palavras associadas conseguem ser
classificadas corretamente de acordo com o sentimento predominante na frase.
Para isso, será utilizado o conceito de aprendizado supervisionado previamente
mencionado na seção 2.2.2, onde será separado 75% como massa de treino e 25% como
massa de teste, de acordo com a função train_test_split da biblioteca SKLearn. Dessa
forma, o array contendo a bag-of-words, em conjunto com a coluna de classificação do
sentimento associado, irão compor as massas de treino e teste de acordo com esta
proporção (Figura 2.7).

Figura 2.7 - Estrutura de uma base de treino e teste.

O último passo para finalizar este estágio é verificar a acurácia do modelo em si,
de maneira a averiguar se os exemplos na massa de teste conseguem ser previstos
corretamente baseados nos valores fornecidos pela massa de treino. Um dos métodos
mais utilizados para conseguir prever os valores de uma resposta é o método da
Regressão Linear, de modo que a resposta encontrada é baseada em um ou mais
preditores [Hilbe, 2019]. Todavia, a utilização deste modelo proporciona uma resposta
em uma variável contínua somente sendo baseada em valores numéricos, sendo assim
incompatível com a análise dos termos no corpus textual por estarem em formato de
texto.
Um outro modelo, denominado Regressão Logística, consegue realizar a
previsão de variáveis discretas através de um valor binário fornecido, de maneira a

47
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

fornecer as chances de acerto dada determinada categoria no conjunto de dados. Devido

à classificação binária do vetor de bag-of-words, é possível definir a acurácia do
aprendizado supervisionado gerado utilizando este modelo, através da verificação dos
valores na massa de teste com base na massa de treino (Figura 2.8).

Figura 2.8 - Representação gráfica de uma Regressão Logística.

Desta forma, os valores binarizados no vetor bag-of-words são interpretados

como variáveis discretas, sendo consequentemente preditores para a execução do
algoritmo de Regressão Logística. Dessa forma, a porcentagem de acerto da regressão
logística pode ser acessada através do método score da biblioteca SKLearn, baseada nos
valores dados na coluna “classificacao” do dataset e nos valores separados na bag-of-
words. A Figura 2.9 mostra a taxa de acerto obtida após a execução do algoritmo de
Regressão Logística.

Figura 2.9 - Primeira acurácia a ser obtida após a execução da Regressão Logística.

É importante destacar que neste capítulo está sendo aplicado o algoritmo de

regressão já relatado devido sua simplicidade e objetivado para o objeto de estudo. No
entanto, não é difícil encontrar trabalhos usando outros algoritmos como o Multinomial
Naive Bayes (MNB) ou Support Vector Machine (SVM).

2.4.2. Stage 2
Nesse estágio, serão mostradas formas de representação dos dados obtidos através
de imagens, de maneira a mostrar novas formas de interação e compreensão dos
mesmos. A Figura 2.10 mostra um overview dos passos a serem realizados durante
estes estágios.

48
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.10 - Passos a serem realizados durante a execução do segundo estágio do

capítulo.

[Link]. Word Cloud

Ao gerar uma análise do corpus textual, é possível construir novas formas de
visualização de dados para destacar a frequência das palavras geradas. Uma forma
muito comum para desenvolver esse tipo de visualização é através de recursos
gráficos, facilitando o entendimento dos resultados em geral. Segundo Lima
(2008), o estudo da cultura visual em termos econômicos e tecnológicos pode
proporcionar uma compreensão mais crítica em relação ao seu papel na
contemporaneidade, facilitando o entendimento do tema e transcendendo o simples
prazer visual que estas podem proporcionar.

Uma maneira para destacar a frequência de um termo é através de uma

sumarização de texto, de forma a gerar um overview simples e intuitivo de um texto
através do destaque de palavras que aparecem mais durante o mesmo [Heimerl et, al.,
2014]. Isso normalmente é alcançado com o uso de recursos gráficos, como a mudança
do tamanho da fonte de um texto que possui maior relevância ou possui um número
maior de repetições presentes no mesmo.

Desta forma, pode-se ser introduzido o conceito de word clouds, que utiliza
formas de percepção visual para facilitar a compreensão dos termos mais relevantes de
maneira generalizada presentes em um corpus textual demasiadamente grande. Assim,
um word cloud é representado por uma imagem contendo diversas palavras, onde a
importância das mesmas é definida pelo tamanho de seu texto no canvas. A
representação de um word cloud pode ser observada por meio da Figura 2.11.

49
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.11 - Um word cloud genérico (exemplo).

O objetivo principal nesse estágio é armazenar todas as palavras contidas na

coluna de comentários e realizar uma contagem das mesmas, de modo a conseguir
contabilizar o número de repetições feitas por uma delas. Ao contrário da
representação no método bag-of-words, não será necessário armazenar as palavras
de maneira binária, visto que o texto contido na palavra será essencial para
representá-la no canvas da imagem a ser gerada.

Após a realização de um loop para armazenar todas as palavras em um

vetor unidimensional, estes valores serão passados para a biblioteca Python
Wordclouds, que será responsável por montar um objeto contendo uma figura com
todas as palavras mais relevantes no mesmo. Essa imagem será plotada através da
biblioteca Matplotlib, que irá definir as propriedades de tamanho e métodos de
plotagem da figura. O primeiro resultado obtido pode ser visto na Figura 2.12:

Figura 2.12 - Primeiro word cloud a ser gerado no segundo estágio.

Após gerar o primeiro word cloud, é proposto um desafio para aperfeiçoar

as formas de visualização, transformando esses conhecimentos obtidos em uma
função, e separando em dois tipos diferentes: um tipo para gerar word clouds
somente para as palavras associadas a um sentimento positivo e outra para o
sentimento negativo. O resultado pode ser observado nas Figuras 2.13 e 2.14.

50
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.13 - Word cloud gerado contendo somente palavras associadas a um

sentimento positivo.

Figura 2.14 - Word cloud gerado contendo somente palavras associadas a um

sentimento negative.

2.4.3. Stage 3
Até agora, foram obtidas acurácia e uma forma de visualização em imagem, mas os
resultados ainda não foram satisfatórios. A acurácia ainda possui uma precisão
razoavelmente baixa, enquanto os word clouds mostraram valores semelhantes e
contendo palavras em destaque como “de, que, um, os”.

51
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Partindo desse ponto, é ideal que existam novas formas de visualização para
analisar com maior precisão a frequência desses termos encontrados, de modo que
venha a facilitar a geração de novas ideias para aperfeiçoar cada vez mais os algoritmos
implementados. O objetivo desse estágio (Figura 2.15) é, então, proporcionar uma
análise mais detalhada e estatística dos resultados obtidos.

Figura 2.15 - Estrutura do terceiro estágio do capítulo.

[Link]. Tokenização e análise estatística dos dados

Uma forma eficaz de ver a frequência dos termos é através da criação de outro
dataset, contendo precisamente o número de repetições em cada comentário. Não
será possível utilizar os valores armazenados de frequência armazenados dentro do
objeto de word cloud gerado na seção [Link], então será necessário utilizar outro
método para gerar esse armazenamento.

Nesse caso, todas as palavras de uma frase precisam ser tokenizadas, ou

seja, todo o corpus textual precisa ser convertido em lexemas. Um lexema é uma
unidade de análise morfológica, sendo caracterizado como uma palavra,
normalmente separada por um caractere de espaço dependendo do idioma [Chung e
Gildea, 2009].

A partir desse método, todas as palavras podem ser caracterizadas, e assim

possuírem seus valores agregados por suas frequências. Utilizando a biblioteca
NLTK, esses valores podem ser somados e agregados no formato de um array,
gerando uma nova coluna de frequência no novo dataset. Este resultado pode ser
observado na Figura 2.16.

52
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.16 - Primeira visualização da frequência dos dados obtidos em um novo

dataset.

Esta visualização também pode ser feita através de um gráfico de barra.

Reaproveitando o novo dataset obtido, é possível passar seus valores para serem
plotados em uma figura através da biblioteca Python Seaborn, possibilitando uma
visão estatística dos números obtidos de acordo com a quantidade desejada. Os
resultados podem ser observados na Figura 2.17.

Figura 2.17 - Visualização da frequência dos dados em um gráfico de barra.

2.4.4. Stage 4
A etapa final consiste em otimizar a acurácia obtida na edição e remoção de trechos
no texto do corpus textual que não agregam ao resultado desejado. Dessa forma,
algumas das formas mais famosas para realizar o pré-processamento básico de um
texto serão abordadas, conforme mostrado na Figura 2.18:

53
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.18 - Estrutura do quarto estágio do capítulo.

[Link]. Remoção de Stop words

Após gerar os word clouds e os gráficos, foi possível ver que os termos de maior
relevância associados a um sentimento são palavras que na língua portuguesa
possuem uma frequência demasiadamente alta, como artigos, preposições e
pronomes. Como esses termos não agregam ao objetivo a ser alcançado, não vale a
pena que estes termos estejam contidos no modelo.

A solução é, então, realizar uma limpeza desses termos, sendo denominados

stop words. Segundo E. Dragut et al. (2009), uma stop word é definida por palavras
que não possuem um significado semântico relevante para um texto ou nas frases
que aparecem. Dessa forma, a remoção das stop words do conjunto de palavras
total irá facilitar e explicitar quais são os termos de principal relevância no modelo.

Utilizando a biblioteca Stopwords da biblioteca NLTK, é possível

armazenar em uma variável todas as stop words associadas a determinado idioma,
no caso desse curso, à língua portuguesa. Fazendo uma varredura das palavras e
comparando se o termo presente é igual a uma stop word, é possível armazenar
todos os termos não irrelevantes em um novo array, possibilitando a geração de
outra coluna no dataset contendo somente os termos relevantes. Os resultados
podem ser observados na Figura 2.19.

Figura 2.19 - Nova coluna gerada no dataset, desta vez sem as stopwords.

54
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

[Link]. Padronização do formato do texto

Ao gerar um gráfico de barra novamente (Figura 2.20), é possível ver que a palavra
mais repetida na análise é “filme”, o que é intuitivo, devido a natureza desse
dataset. Todavia, é possível ver que termos como “Eu, A, O” ainda estão sendo
contabilizados e estão presentes na coluna nova, mesmo estas palavras sendo
consideradas stop words.

Figura 2.20 - Gráfico de barra contendo a nova frequência de palavras após a

remoção dos stop words.

O que ocorre nesse caso é que o array contendo as stop words possui
palavras em minúsculo, e a linguagem Python é uma linguagem case sensitive, que
diferencia palavras com caracteres maiúsculos de minúsculos. Dessa forma, é
necessário realizar outra varredura prévia antes de eliminar as stop words,
convertendo todas as palavras em maiúsculo para minúsculo na coluna de
comentário.

A segunda etapa de otimização visa então converter todo o texto, através da

função nativa do Python .lower(). Após essa transformação, a remoção das stop
words pode ser feita novamente, dessa vez removendo todo o restante dos termos
previamente em maiúsculo. Os resultados podem ser observados nas Figuras 2.21,
2.22 e 2.23.

55
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.21 - Nova coluna a ser inserida no dataset, após a transformação de todas
as palavras para minúsculo.

Figura 2.22 – Gráfico de barra gerado após a conversão das palavras no corpus
textual para minúsculo.

Ao observar a figura 2.22, alguns problemas podem ser observados. Termos

como “-“ e “...” estão sendo sinalizados como os mais frequentes no corpus textual.
Como estes termos não são palavras que agregam para o enriquecimento da análise,
é conveniente remover todos os sinais de pontuação que permeiam o corpus
textual, da mesma maneira que as stop words foram removidas.

Outra forma de otimização muito comum durante o pré-processamento do

texto do corpus textual é a remoção da acentuação nas palavras fornecidas.
Segundo Manning, et al, (2008), a remoção de acentos de palavras em idiomas
como o inglês não realiza um grande impacto no significado da palavra, mantendo
os seus significados originais e agrupando com sucesso todas as palavras no corpus
textual. Todavia, em idiomas como o espanhol por exemplo, essa remoção pode
comprometer significativamente no significado da palavra oferecida.

56
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Apesar dos termos presentes na língua portuguesa possuírem palavras com

significados diferentes devido à acentuação (como por exemplo as palavras
“secretaria” e secretária”, “amém” e “amem”), esse método é constantemente
utilizado por conseguir agrupar palavras que possuem algum erro ortográfico
referente a um erro de digitação (“não” por “nao”, por exemplo), sendo assim
consideradas válidas na frequência de somente um termo em si.

Dessa forma, ambas estas otimizações serão aplicadas no corpus textual, de

maneira a conseguir remover os termos indesejados e agrupá-los com maior
eficácia. Os resultados após a terceira otimização podem ser vistos na Figura 2.23.

Figura 2.23 – Gráfico de barra gerado após a remoção de termos de pontuação e

acentuação

Figura 2.24 – Nova coluna no dataset gerada após a padronização de texto.

57
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.25 - Word cloud associado somente a palavras com sentimento positivo
gerado após as otimizações

Figura 2.26 - Word cloud associado somente a palavras com sentimento negativo
gerado após as otimizações.

[Link]. Stemming
Ao verificar os resultados na Figura 2.23, é possível notar um caso peculiar. Após a
padronização do corpus textual, a palavra “filme” e “filmes” são os dois termos
com maior frequência. Todavia, ambas as palavras possuem o mesmo significado
para a análise, de maneira que a segunda é somente uma derivação da primeira no
plural. Dessa forma, pode-se dizer que o mesmo significado acaba ocupando duas
posições no gráfico de termos mais relevantes, ocupando o espaço de termos com
significado único que poderiam estar sendo representados no mesmo.

Ao analisar a estrutura morfológica de uma palavra, é possível ver casos em

que a mesma é composta por uma estrutura similar, porém sendo derivada através
de diferentes prefixos e sufixos. Estes muitas vezes não são de interesse imediato
para realizar a contagem da frequência dos termos, visto que diferentes derivações
resultam na contagem de termos distintos. Desta forma, seria conveniente à análise
remover os sufixos de todas as palavras contidas no corpus, de maneira a aglutinar
todas os termos com a mesma estrutura e significado.

O processo de remoção de todas as flexões das palavras de maneira a

reduzi-las à mesma raiz de maneira computacional é denominado Stemming.
Segundo Lovins (1968), a aplicação de Stemming ajuda a maximizar a utilidade dos

58
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

termos contabilizados, de maneira a otimizar as palavras agrupadas de acordo com

um mesmo significado.

Dessa forma, a próxima etapa de otimização visa transformar todas as

palavras do corpus textual e reduzi-las a uma mesma raíz (ou stem). Para isso, será
utilizada um pacote da biblioteca NLTK denominada RSLPStemmer. O RSLP
(Removedor de Sufixos na Língua Portuguesa) será responsável por converter
todas as palavras no corpus textual em português brasileiro para seus respectivos
radicais morfológicos, de maneira a otimizar a aglutinação dos termos.

Após realizar novamente a contagem dos termos no gráfico de barra (Figura

2.26), é possível notar uma mudança no total dos termos presentes. O novo termo
“film” possui aproximadamente 20000 repetições, agrupando a frequência dos
termos anteriores “filme” e “filmes”. Outros termos, como ‘tod”, subiram de
posição, agrupando palavras com sufixos como “todo”, “todos”, “todas”, etc.
Dessa forma, é possível ter uma análise mais precisa de acordo com o significado
real das palavras disponibilizadas no corpus.

Figura 2.27 – Nova coluna no dataset gerada após a remoção de sufixos.

59
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 2.28 – Nova coluna no dataset gerada após a remoção de sufixos.

[Link]. TF-IDF

Ao gerar a análise, é possível notar que palavras com maior frequência não são
suficientes para demonstrar palavras de maneira polarizada, de modo que sejam
diretamente associadas a algum sentimento. Analisando os dois Word Clouds gerados
nas Figuras 2.25 e 2.26, nota-se que diversas palavras se repetem tanto associadas ao
sentimento negativo quanto ao positivo. Dessa forma, é necessário gerar uma nova
forma de análise, de modo a observar os termos que mais definem o sentimento na
frase.

Uma forma de alcançar esse resultado é partindo do caminho oposto, ou seja, ao

invés de analisar os termos mais frequentes, deve-se analisar os termos mais raros. Em
frases como “Eu achei o carro bonito” e “Eu achei o carro feio”, as palavras
“bonito” e “feio” são críticas para definir o sentimento da frase, apesar de estarem em
uma frequência muito menor do que as outras palavras no corpus textual. Além disso,
estas palavras têm muito mais chance de estarem presentes em frases associadas a
somente um sentimento, aumentando assim a acurácia do modelo.

Dessa forma, a última etapa do capítulo será realizar a implementação de uma

nova medida estatística que possibilite a análise de acordo com valores equilibrados
pela frequência inversa dos termos, mais conhecida como TF-IDF. De acordo com
Hiemstra (2000), o valor TF-IDF define que o peso dos termos presentes nos
documentos deve ser proporcional à frequência dos termos em todo o corpus textual, e
inversamente proporcional à sua frequência total em um documento. Dessa forma, é
possível equilibrar a relevância de palavras comuns e evitar algumas palavras de serem
mais importantes que outras.

Através da biblioteca SKLearn, é possível implementar essa nova ponderação,

que irá equilibrar a frequência de todas as palavras no corpus textual de acordo com a
quantidade de aparições. Dessa forma, palavras mais raras possuirão um peso maior,

60
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

enquanto palavras mais comuns receberão um peso menor, uniformizando o modelo de

aprendizado.

Por fim, será gerado um aprendizado supervisionado da mesma forma feita no

Stage 1, de modo a verificar se houve alguma mudança significativa na acurácia gerada.
É possível também gerar um novo dataset, contendo o peso das palavras de acordo com
a sua nova relevância de acordo com os seus valores TF-IDF (Figuras 2.29, 2.30).

Figura 2.29 - Score obtido de palavras positivas após uma iteração do algoritmo TF-
IDF.

Figura 2.30 - Score obtido de palavras positivas após uma iteração do algoritmo TF-
IDF.

61
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2.5. Discussão dos Resultados Obtidos

Na Tabela 2.3 é possível ver todas as acurácias obtidas a partir das execuções dos
algoritmos executados durante os estágios do capítulo.

Tabela 2.3 – Acurácias obtidas após os passos realizados durante o capítulo.

DESCRIÇÃO ACURÁCIA

APÓS REGRESSÃO LOGÍSTICA COM CORPUS TEXTUAL 0.6664

INALTERADO (STAGE 1)

APÓS REGRESSÃO LOGÍSTICA COM CORPUS TEXTUAL SEM 0.6808

STOPWORDS (STAGE 4)

APÓS REGRESSÃO LOGÍSTICA COM CORPUS TEXTUAL SEM 0.664

STOPWORDS E EM LOWERCASE (STAGE 4)

APÓS REGRESSÃO LOGÍSTICA COM CORPUS TEXTUAL SEM 0.6792

STOPWORDS, EM LOWERCASE E COM PONTUAÇÃO E
ACENTUAÇÃO REMOVIDA (STAGE 4)

APÓS REGRESSÃO LOGÍSTICA COM CORPUS TEXTUAL SEM 0.6936

STOPWORDS, EM LOWERCASE, COM PONTUAÇÃO E
ACENTUAÇÃO REMOVIDAS E STEMMING APLICADO
(STAGE 4)

APÓS REGRESSÃO LOGÍSTICA PADRONIZADA COM 0.884

VALORES TF-IDF, COM CORPUS TEXTUAL SEM STOPWORDS,
EM LOWERCASE, COM PONTUAÇÃO E ACENTUAÇÃO
REMOVIDAS E STEMMING APLICADO (STAGE 4)

Após realizar algumas otimizações, é possível ver que em alguns casos a

acurácia acabou diminuindo. Esses casos são comuns, visto que ao aproximar o corpus
textual de padronização mais homogênea muitas vezes pode acarretar numa maior taxa
de erro, dependendo do tamanho e da forma do cálculo da acurácia do seu dataset.

É importante ressaltar o aumento significativo do aumento da acurácia após a

implementação dos valores TF-IDF. A análise dos termos mais raros é muitas vezes
uma das formas mais eficazes para obter informações pertinentes referentes ao seu
conjunto de informações. Ainda assim, é importante verificar sob diferentes
perspectivas, de maneira a expandir o número de conclusões a serem tiradas a partir do
seu conjunto de dados.

A aplicação de Stemming nas palavras também é um fator importante a ser

discutido. Embora o agrupamento dos termos derivados tenha contribuído para o
aumento da acurácia em si, a representação das novas palavras definidas somente por
sua raiz muitas vezes gera uma considerável perda semântica, tornando o entendimento

62
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

das mesmas mais difícil. Dessa forma, a visualização desse novo corpus textual acaba
não sendo totalmente intuitiva para a representação gráfica em um Word cloud.

Por fim, é importante ressaltar que os resultados são afetados diretamente pelo
tamanho de registros no dataset e da seed fornecida para separar os dados. No caso do
capítulo, o número de dados foi consideravelmente menor, de maneira a facilitar o
processamento de dados realizando-os de uma maneira mais ágil. De acordo com o
número de informações do dataset, é possível obter uma classificação mais abrangente,
consequentemente aumentando a precisão a ser obtida.

2.6. Conclusão
Este capítulo apresentou e discutiu os conceitos base na área de ciência de dados, de
modo a possibilitar um primeiro contato no tema de Análise de Sentimento. Desta
forma, foi necessário implementar alguns algoritmos e métodos léxicos de maneira a
assegurar uma acurácia significativa para o modelo proposto.

É importante ressaltar que o dataset utilizado foi previamente montado e

adaptado para facilitar a manipulação dos dados, e assegurar o foco somente no ensino
dos conceitos base. Outras bases de dados possuem um número de registros muito
maior, necessitando de mais tempo de processamento para a execução dos comandos.
Além disso, estes necessitam de um tratamento prévio para possibilitar o uso de
algoritmos como o de regressão logística e afins.

Além disso, existem outras formas de conseguir alcançar o mesmo resultado

obtido, porém através de abordagens diferentes. Neste capítulo, foi abordado a técnica
de Aprendizado Supervisionado, porém é possível obter resultados similares utilizando
Aprendizados Semi ou Não Supervisionados. Dessa forma, é essencial aprender sobre
as necessidades e recursos que seu projeto irá possuir, de modo a implementar o método
que melhor se encaixe para o sucesso do mesmo.

Referências
Agarwal, B., Mittal, N., Bansal, P., & Garg, S. (2015). Sentiment Analysis Using
Common-Sense and Context Information. Computational Intelligence and
Neuroscience, 2015, 1–9.
Benevenuto, F., Ribeiro, F. and Araújo, M. (2015) Métodos para Análise de
Sentimentos em Mídias Sociais., Short course in the Brazilian Symposium on
Multimedia and the Web (Webmedia).
Bing, Liu (2010) Sentiment Analysis and Subjectivity , 2nd edn., Handbook of Natural
Language Processing.
Ceci, F., Alvarez, G., Gonçalves, A. (2017) Análise de sentimento e mineração de
opinião: Uma revisão bibliométrica da literatura, Revista Espacios, Vol. 38 (Nº 14).

63
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Chung, T. and Gildea, D. (2009) Unsupervised tokenization for machine translation,

EMNLP 2009 - Proceedings of the 2009 Conference on Empirical Methods in
Natural Language Processing: A Meeting of SIGDAT, a Special Interest Group of
ACL, Held in Conjunction with ACL-IJCNLP 2009: .
Dragut, E., Fang, F., Sistla, P., Yu, C. and Meng, W. (2009) Stop word and related
problems in web interface integration, Proceedings of the VLDB Endowment.
Dumais, S., Platt, J., Hecherman, D. & Sahami, M. (1998) Inductive Learning
Algorithms and Representations for Text Categorization, Proceedings of the seventh
international conference on Information and knowledge management: .
Franz, M., Hillman, J. (2016) A Tipologia de Jung - Ensaios sobre Psicologia Analítica,
2nd edn., Cultrix.
Heimerl, F., Lohmann, S., Lange S. and Ertl, T. (2014) Word cloud explorer: Text
analytics based on word clouds, Institute for Visualization and Interactive Systems
(VIS)
Hiemstra, D. (2000). A probabilistic justification for using tfxidf term weighting in
information retrieval. International Journal on Digital Libraries, 3(2), 131–139.
Hilbe, J. M. (2009). Logistic regression models. Chapman and hall/CRC.
Horta, E. G. (2015) Aplicação de Máquinas de Aprendizado Extremo ao Problema de
Aprendizado Ativo. Programa de PósGraduação em Engenharia Elétrica da
Universidade Federal de Minas Gerais, UFMG.
Liddy, E.D. (2001) Natural Language Processing, 2nd edn., Encyclopedia of Library
and Information Science: Marcel Decker, Inc.
Lima, C. (2008) O uso da leitura de imagens como instrumento para a alfabetização
visual. Cadernos PDE, Vol. II. Curitiba.
Lovins, J. (1968) Developing of a Stemming Algorithm - Mechanical Translation and
Computational Linguistics
Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information
Retrieval. Cambridge University Press.
Matsubara, E., Martins, C., Monard, M. (2003) PreTexT: uma ferramenta para pre-
processamento de textos utilizando a abordagem bag-of-words., Relatórios Técnicos
do ICMC - São Carlos.
Mohammad, S. and Turney, P. (2013) Crowdsourcing a Word–Emotion Association
Lexicon, Institute for Information Technology, National Research Council Canada: .
Monard, M. and Baranauskas, J. (2003) Conceitos sobre aprendizado de máquina, 1.1
edn., Sistemas inteligentes-Fundamentos e aplicações.
Reis, J.; Benevenuto, F.; de Melo, P. V.; Prates, R.; Kwak,H.; and An, J. (2015).
Breaking the news: First impressionsmatter on online news. In Proceedings of the
ICWSM.
Reis, J.; Gonçalves, P.; Vaz de Melo, P. O.; Prates, R.; and Benevenuto, F. 2014.
Magnet news: You choose the polarity of what you read. Proceedings of ICWSM

64
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Sebastiani, F (2002) Machine learning in automated text categorization, ACM

Computing Surveys.
Serrano-Guerrero, J., Olivas, J., Romero, F. Herrera-Viedma, E. (2015) Sentiment
analysis: A review and comparative analysis of web services, 2nd edn., Information
Sciences, v. 311, p. 1838.
Zhang, K., Cheng, Y., Liao, W., & Choudhary, A. (2012). Mining millions of reviews.
Proceedings of the 13th International Conference on Electronic Commerce - ICEC
’11.

65
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Biografia Resumida dos Autores

André Viana Tardelli
André é graduando do curso de Ciência de
Computação na Universidade Federal do Rio de
Janeiro. Atualmente atua como instrutor e
desenvolvedor no Grupo Caelum, ministrando
cursos presenciais nos temas de Front End e Data
Science. Seu foco de pesquisa, atualmente contendo
artigos apresentados em conferências nacionais e
internacionais, envolve implementar conceitos de
psicologia aplicados à tecnologia, buscando novas
formas de humanizar as interações realizadas de
maneira digital.
Lattes: [Link]

Angélica Fonseca da Silva Dias

É doutora em Informática pela Universidade Federal
do Rio de Janeiro (PPGI - 2018) com ênfase em
Gestão de Sistemas Complexos. Mestre em
Sistemas de Informação pela UFRJ. MBA em
Gestão Executiva e E-Business pela COPPEAD e
Inteligência e Database Marketing,
Aperfeiçoamento em Gerência Avançada de
Projetos/NCE/UFRJ. Graduação em Processamento
de Dados/UNESA. Foi Diretora da Área de
Extensão do Instituto Tércio Pacitti/UFRJ,
Coordenadora Acadêmica dos Cursos de pós-
graduação na UFRJ e atua como Professor
Convidado no programa de pós-graduação em
informática, Instituto de Economia e HCTE da
UFRJ com a orientação e coorientação de alunos de
graduação, pós-graduação e mestrado. Tem
experiência nas áreas de Administração Pública,
Gerência de Projetos, Ciência da Computação e
Educação. Temas de interesse: Gestão de
Conhecimento, Social Computing, Economia
Circular Computacional, Data Science, Data
Literacy, Trabalho e Aprendizagem Cooperativa
apoiada por computador (CSCW e CSCL),
Tecnologia Assistiva, Gestão Estratégica da
Informação e Educação a distância. Lattes:
[Link]

66
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Juliana Baptista dos Santos França

É doutora em Informática pela Universidade Federal
do Rio de Janeiro (PPGI/UFRJ - 2018) com ênfase
em Gestão de Sistemas Complexos. Finalizou seu
Pós doutorado na UFRJ na área de CSCW
(PPGI/UFRJ - 2018). Mestre em Informática pelo
Programa de Pós-Graduação em Informática
(PPGI/UNIRIO - 2012) da Universidade Federal do
Estado do Rio de Janeiro, com ênfase na linha de
pesquisa Sistemas de Apoio a Negócios. Possui
graduação em Sistemas de Informação pela
Universidade Federal do Estado do Rio de Janeiro
(UNIRIO), e também graduação em Engenharia
Cartográfica pela Universidade do Estado do Rio de
Janeiro (UERJ). Atualmente é Professora Adjunto
na Universidade Federal Rural do Rio de Janeiro
(UFRRJ) junto ao Departamento de Computação
(DECOMP) em Banco de Dados e atua como
colaboradora no programa de pós-graduação em
informática da UFRJ com a coorientação de alunos
de mestrado. Atuou na organização de eventos
científicos nacionais e internacionais como
ISCRAM 2016, Summer School em IHC/CSCW
2019, e SBSC 2019. Tem experiência na área de
Sistemas de Informação e atua principalmente nos
seguintes temas: Colaboração (CSCW), Gestão de
Conhecimento, Processos de Negócio,
Aprendizagem Colaborativa, Suporte à Decisão e
Modelagem Conceitual e Ontológica. Lattes:
[Link]

67
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Capítulo

3
LGPD em Ambientes de Bancos de Dados nas
Organizações

Ana Carolina Brito de Almeida, Letícia Dias Verona, Maria Luiza

Machado Campos e Fernanda Araujo Baião

Abstract
Information Security has been an especially relevant topic for the development of
Information Systems (IS) in organizations. In 2018, it became even more crucial as the
Law 13.709 (LGPD) was passed in Brazil, giving organizations more responsibility for
the collection, processing and protection of personal data. It is well known that much of
the corporate information is stored in repositories under the management of Database
Management Systems (DBMS). In this context, this course addresses the theme of LGPD
in database systems (DB) environments within organizations. The course includes a
discussion of the two crucial concepts of Data Security and Data Privacy; presents an
overview of LGPD, exemplifying its ten principles; and discusses the operational support
of some DBs to the principles advocated by such Law.
Resumo
A Segurança da Informação é um tema especialmente relevante para desenvolvimento de
Sistemas de Informação (SI) nas organizações. Em 2018, tornou-se ainda mais crucial,
pois foi sancionada a Lei 13.709 (LGPD), no Brasil, que atribui mais responsabilidade
às organizações quanto à coleta, ao tratamento e à proteção dos dados pessoais. É
notório que grande parte das informações corporativas estão armazenadas em
repositórios sob a gestão de Sistemas Gerenciadores de Bancos de Dados (SGBD). Neste
contexto, o presente minicurso aborda, o tema de LGPD em ambientes de bancos de
dados (BDs) nas organizações. O minicurso discute os conceitos de Segurança e
Privacidade; apresenta uma visão geral da LGPD, exemplificando seus dez princípios;
e discute o suporte operacional em BDs aos princípios preconizados na tal Lei.

3.1. Introdução

A Segurança da Informação é uma preocupação constante durante o desenvolvimento de

Sistemas de Informação. Tal área obteve ainda mais visibilidade com a sanção da LGPD,

68
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

a Lei Geral de Proteção de Dados [Brasil 2018]. Essa Lei é baseada no Regulamento
Geral sobre a Proteção de Dados 2016/679 (RGPD, ou, como é mais conhecida em inglês,
GDPR - General Data Protection Regulation), elaborado pela União Europeia. A Lei
obriga organizações a seguirem uma série de itens quanto à coleta, ao tratamento e à
proteção dos dados pessoais. A RGPD tem como foco proteger direitos fundamentais de
liberdade e privacidade dos indivíduos, complementando regulamentações previamente
existentes na Convenção Europeia de Direitos Humanos e impondo maiores obrigações
aos agentes privados detentores de dados pessoais. A lei brasileira foi aprovada em 2018
e ainda necessita ser regulamentada para sua entrada em vigor em 2020. O seu espectro
de atuação, bastante amplo e ainda muito subjetivo, contempla o direito ao cidadão de
impedir a divulgação ou posse de qualquer dado pessoal a seu respeito, isolado ou
agregado estatisticamente. Em ambas, é destacada a necessidade de consentimento
explícito para coletar os dados pessoais e transparência total sobre o que será feito a partir
deles.

Em tempos de internet das coisas (IoT), redes sociais e aplicativos móveis, é

importante que haja atenção tanto por parte dos usuários quanto ao cadastro e à
transferência de seus dados quanto pelas empresas que detém tais dados, de forma a
protegê-los de vazamentos. Por exemplo, quando um usuário se cadastra em um
aplicativo móvel de corrida, que registra o tempo e a distância que ele percorre, a empresa
desenvolvedora do aplicativo não pode enviar os dados coletados para uma empresa de
plano de saúde, suplemento alimentar ou de marcas esportivas sem o consentimento do
usuário.

Usualmente, os dados de usuários são mantidos em repositórios corporativos nas

organizações. Além disso, a maioria das organizações armazena os dados pessoais
coletados dos clientes em Sistemas de Gerenciamento de Banco de Dados (SGBD). Dessa
forma, é necessário saber como e o quanto as empresas detentoras dos principais SGBDs
comerciais estão preparadas para dar suporte à implantação de estratégias da LGPD de
forma eficaz e eficiente.

Tradicionalmente, os SGBDs dos principais fornecedores de mercado dispõem de

recursos para prover segurança da informação em seus produtos. Mais recentemente, no
entanto, este aspecto vem se ampliando para tratar da privacidade, também motivado por
este cenário recente em que a RGPD se insere. Neste sentido, a Oracle disponibiliza uma
série de pacotes para aumentar a segurança dos dados armazenados , tais como: Oracle
1

Advanced Security, Oracle Key Vault, Oracle Data Masking and Subsetting etc. Tais
pacotes oferecem suporte à: criptografia de dados transparente; gerenciamento de chave
de criptografia; controle de acesso multifatores e usuários com privilégios; classificação
e descoberta de dados; monitoramento e bloqueio de atividades de banco de dados (BD);
auditoria e relatórios consolidados; e mascaramento de dados. Já a Microsoft
disponibilizou um guia de conformidade com o RGPD, mencionando como ferramentas
2

do SGBD SQL Server 2017 podem auxiliar neste sentido, visando auxiliar estratégias de
implantação da LGPD. Alguns exemplos de ferramentas são o Microsoft Compliance
Manager, uma solução que permite aos clientes que trabalham com nuvem gerenciar sua

1
[Link]
2
[Link]

69
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

própria conformidade e o Data Discovery and Classification, uma ferramenta para

descobrir, classificar, rotular e relatar os dados sensíveis nos BDs dos usuários.
O objetivo do minicurso é possibilitar uma visão geral da LGPD tanto com a
perspectiva de usuário quanto com a perspectiva de um administrador de BD,
exemplificando recursos de alguns dos principais SGBDs de mercado. O conteúdo está
estruturado em tópicos principais, descritos a seguir:

✔ Segurança e Privacidade: apresentação e discussão dos conceitos de segurança

e de privacidade.

✔ Introdução e visão geral da Lei Geral de Proteção de Dados Pessoais (LGPD):

apresentação dos principais conceitos envolvidos na Lei, as boas práticas
indicadas e exemplos de aplicação dos dez princípios sobre o tratamento de dados
pessoais com o uso de aplicativos de celular, incluindo redes sociais.

✔ LGPD e mecanismos de segurança nos SGBDs: apresentação das

funcionalidades encontradas nas principais empresas desenvolvedoras de SGBD
do mercado para contemplar os tópicos da LGPD: anonimização de dados e
criptografia, notificação de vazamento de dados, recursos de auditoria.
Apresentação de exemplos práticos, ilustrando diversas situações reais e
frequentemente encontradas no dia a dia de uma empresa, explorando os
mecanismos de proteção apresentados e como eles atendem essas situações.
Discussão do estado da arte, oportunidades e desafios.

3.2. Segurança e Privacidade

É importante destacar que, embora estejam muito relacionados e exista uma sobreposição
considerável entre questões relacionadas ao acesso a recursos (segurança) e questões
relacionadas ao uso de informações (privacidade), existem diferenças importantes entre
os conceitos de segurança e privacidade.

Elmasri e Navathe (2019) diferenciam bem esses conceitos, definindo que

Segurança na Tecnologia da Informação refere-se a muitos aspectos da proteção de um
sistema do uso não autorizado, incluindo autenticação de usuários, criptografia de
informações, controle de acesso, políticas de firewall e detecção de intrusões. Para o
propósito do minicurso, limitaremos nosso tratamento de Segurança aos conceitos
associados a quão bem um sistema pode proteger o acesso às informações que ele contém,
incluindo a integridade e disponibilidade dessas informações.

O conceito de privacidade, por sua vez, transcende o aspecto de segurança e de

fato vem sendo tratado como parte de uma discussão mais ampla sobre Transparência em
cenários recentes da 4a Revolução Industrial (Fourth Industrial Revolution, ou 4IR),
caracterizados por uma fusão de tecnologias e eliminando fronteiras entre os meios físico,
digital e biológico [Teixeira et al, 2019]. A privacidade examina até que ponto o uso de
informações pessoais que o sistema detém sobre um usuário está em conformidade com
as suposições explícitas ou implícitas em relação a esse uso. Do ponto de vista do usuário
final, a privacidade pode ser considerada a partir de duas perspectivas diferentes: impedir
o armazenamento de informações pessoais e garantir o uso apropriado de informações

70
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

pessoais. Para o presente minicurso, a ideia básica é discutir os mecanismos que os

Sistemas de Gerenciamento de Banco de Dados oferecem para garantir o uso apropriado
de informações pessoais por eles armazenadas.

Na indústria, a privacidade realmente se concentra nos seguintes conceitos [Dean

2017]:

✔ Quais dados devem ser coletados?

✔ Quais são os usos permitidos?

✔ Com quem isso pode ser compartilhado?

✔ Por quanto tempo os dados devem ser retidos?

✔ Qual modelo de controle de acesso granular é apropriado?

De uma forma resumida, os controles de segurança são criados para controlar

quem pode acessar as informações, enquanto a privacidade é mais granular, controlando
quais dados específicos eles podem acessar, e quando. Dean [2017] exemplifica os dois
conceitos em um cenário: Se você deposita em uma instituição financeira nacional, todos
os caixas do país podem ser provisionados (ou seja, acesso de segurança concedido) para
acessar os detalhes da sua conta. Isso fornece a flexibilidade para um cliente visitar uma
filial em sua cidade natal, uma filial na costa oeste durante uma viagem de negócios ou
uma filial da Flórida durante as férias. Mas a privacidade é outra camada. Embora o caixa
possa ser provisionado para exibir todos os detalhes da conta dos clientes, a privacidade
só permite acesso quando existe uma necessidade comercial; como um cliente entrando
em uma filial em outra cidade para acessar suas contas. Mas a privacidade não permite
que o mesmo caixa veja o saldo da conta de seus vizinhos ou talvez o saldo de uma pessoa
famosa, apenas porque eles estão interessados - apesar de seus privilégios de acesso lhes
concederem acesso.

Portanto, a aplicação comercial dos termos privacidade e segurança é muito

diferente, mas com uma certa sobreposição. Segundo Dean (2017), "Você não pode ter
privacidade sem segurança, mas pode ter segurança sem privacidade".

3.3. Lei Geral de Proteção de Dados Pessoais (LGPD)

A Lei Geral de Proteção de Dados (Lei 13.709/18), alterada pela Lei 13.853/19, é uma lei
brasileira fortemente inspirada pelo RGPD europeu, e que dispõe sobre o tratamento de
dados pessoais com objetivo de proteger a liberdade e a privacidade dos cidadãos [Brasil
2018]. A lei abrange toda atividade que envolve coleta, tratamento e armazenamento de
dados pessoais, seja ela praticada por entes privados ou públicos no Brasil, inclusive
empresas internacionais com atividade no país.

3.3.1. Principais conceitos e princípios

O conceito de dado pessoal, conforme descrito na lei, significa qualquer informação, que
individualmente ou combinada com outras, possa identificar uma pessoa ou submetê-la a

71
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

um tratamento específico. Como exemplos de dados pessoais podem ser citados nome,
CPF, endereço, cookies gravados em computadores pessoais, informações partilhadas em
redes sociais, dados financeiros ou qualquer informação que permita a identificação de
um indivíduo. A lei estabelece ainda o conceito de dado pessoal sensível como sendo
dado pessoal sobre origem racial ou étnica, convicção religiosa, opinião política, filiação
a sindicato ou a organização de caráter religioso, filosófico ou político, dado referente à
saúde ou à vida sexual, dado genético ou biométrico, quando vinculado a uma pessoa
natural.

A LGPD determina que o titular do dado, ou seja, a pessoa natural a quem se

referem os dados objeto da coleta, tratamento e armazenamento, tem direito a saber como
seus dados estão sendo tratados, a ter acesso aos mesmos, corrigi-los, pedir a sua
exclusão, correção e revogar o consentimento ao seu uso. Pode ainda solicitar a
informação de quem teve acesso aos seus dados através de atividades compartilhadas com
o controlador, que vem a ser a entidade pública ou privada a cujos interesses o
processamento dos dados é submetido.

Segundo a LGPD, toda a atividade de tratamento de dados deve obedecer aos

seguintes princípios:

✔ Princípio 1 - finalidade: realização do tratamento para propósitos legítimos,

específicos, explícitos e informados ao titular, sem possibilidade de tratamento
posterior de forma incompatível com essas finalidades;
✔ Princípio 2 - adequação: compatibilidade do tratamento com as finalidades
informadas ao titular, de acordo com o contexto do tratamento;
✔ Princípio 3 - necessidade: limitação do tratamento ao mínimo necessário para a
realização de suas finalidades, com abrangência dos dados pertinentes,
proporcionais e não excessivos em relação às finalidades do tratamento de dados;
✔ Princípio 4 - livre acesso: garantia, aos titulares, de consulta facilitada e gratuita
sobre a forma e a duração do tratamento, bem como sobre a integralidade de seus
dados pessoais;
✔ Princípio 5 - qualidade dos dados: garantia, aos titulares, de exatidão, clareza,
relevância e atualização dos dados, de acordo com a necessidade e para o
cumprimento da finalidade de seu tratamento;
✔ Princípio 6 - transparência: garantia, aos titulares, de informações claras, precisas
e facilmente acessíveis sobre a realização do tratamento e os respectivos agentes
de tratamento, observados os segredos comercial e industrial;
✔ Princípio 7 - segurança: utilização de medidas técnicas e administrativas aptas a
proteger os dados pessoais de acessos não autorizados e de situações acidentais
ou ilícitas de destruição, perda, alteração, comunicação ou difusão;
✔ Princípio 8 - prevenção: adoção de medidas para prevenir a ocorrência de danos
em virtude do tratamento de dados pessoais;
✔ Princípio 9 - não discriminação: impossibilidade de realização do tratamento para
fins discriminatórios ilícitos ou abusivos;

72
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

✔ Princípio 10 - responsabilização e prestação de contas: demonstração, pelo agente,

da adoção de medidas eficazes e capazes de comprovar a observância e o
cumprimento das normas de proteção de dados pessoais e, inclusive, da eficácia
dessas medidas.

O acesso aos dados pessoais é normatizado e somente pode ser realizado se o

titular dos dados der seu consentimento explícito para realização de atividades
específicas, a não ser que o tratamento se enquadre em: cumprimento de leis, tanto da
atividade privada do controlador quanto da administração pública; realização de estudos
por órgão de pesquisa; exercício de direitos contratuais ou judiciais; quando necessário
para a execução de contrato ou de procedimentos preliminares relacionados a contrato do
qual seja parte o titular; proteção da vida ou integridade física do titular ou terceiros; tutela
da saúde do titular; garantia de prevenção à fraude ou segurança do titular e para a
proteção do crédito.

3.3.2. A genealogia da LGPD

Em 2010, foi realizada no Brasil a primeira consulta pública a respeito da proteção de

dados. Em 2014, entra em vigor o decreto do Marco Civil da Internet que, dentre os seus
objetos, inclui a privacidade do usuário da Internet no Brasil. De 2014 a 2018, diversos
projetos de lei se referiram ao tema. Destes, a criação do cadastro positivo que previu a
criação de um banco de dados para que as instituições financeiras facilitem o acesso ao
crédito a bons pagadores englobou uma ampla discussão sobre privacidade e por fim
permitiu que o titular dos dados solicite sua exclusão e esquecimento. Em agosto de 2018,
estes projetos de lei foram consolidados na LGPD. No fim do mesmo ano, uma Medida
Provisória (869/2018) vetou alguns artigos e criou a Autoridade Nacional de Proteção de
Dados (ANPD) com o objetivo de fiscalizar e regulamentar a aplicação da LGPD. As
funções e procedimentos desta agência e como se dará sua atuação ainda são
desconhecidos para o grande público.

Os fatores decisivos para a concretização e publicação da lei foram o interesse do

governo brasileiro de ingressar na OCDE. Um dos requisitos para a entrada no grupo é
que o país possua uma lei geral de proteção de dados que permita discutir questões
comerciais entre países e a publicação do RGPD europeu, em cujas bases a lei brasileira
se assenta. Empresas brasileiras com subsidiárias fora do país, com clientes e
fornecedores europeus, e mesmo as que poderiam ter dados de um cidadão europeu na
sua base, passaram a se preocupar com o cumprimento do regulamento e com a
necessidade de segurança jurídica interna.

Existem, entretanto, diferenças importantes entre a lei brasileira e o regulamento

europeu. Em relação à aplicação da lei, as sanções europeias são ágeis e as multas
substanciais. Empresas multinacionais de software, de serviços on-line e de transporte
foram multadas por autoridades europeias em dezenas de milhões de dólares por expor
indevidamente dados dos seus usuários. As multas brasileiras são limitadas a 2% do
faturamento bruto da empresa, o que pode causar uma desproporcionalidade entre o lucro
obtido pelo controlador dos dados e o dano causado ao seu titular.

Em termos conceituais, a RGPD afirma que o dado só deve ser usado para o
propósito limitado para o qual foi coletado. Já a legislação brasileira admite o uso dos

73
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

dados para o legítimo interesse do controlador, o que pode ser conflitante com os direitos
do titular e múltiplas circunstâncias. Além disto a LGPD considera a possibilidade da
transferência dos dados para outro controlador, o que não é previsto no regulamento
europeu sem o consentimento explícito do titular. A redação da lei brasileira permite um
amplo espectro de interpretações e questionamentos e alguns são apontados na seção a
seguir.

3.3.3. Questões importantes a serem respondidas

A anonimização de dados ou a solicitação de consentimento é uma prática comum na

realização de pesquisas científicas e outros trabalhos baseados em dados. Ainda assim, os
termos da lei, se não esclarecidos, podem causar uma insegurança jurídica em instituições
de pesquisa e entidades governamentais. A definição de dado pessoal como todo dado
que pode identificar unicamente uma pessoa natural faz com que, se considerarmos sua
combinação com outro dado, possa abranger qualquer informação, ainda que para o
controlador original e com interesses legítimos de pesquisa seja um dado anonimizado.

No campo da saúde, a questão é agravada pela definição da lei considerar dados

biológicos, genéticos e relativos à saúde como dados pessoas sensíveis, que possuem um
grau maior de severidade na aplicação da lei. As pesquisas relacionadas à saúde, em
muitos estudos, envolvem a ampla discussão de um caso específico, os protocolos de
tratamento adotados e os resultados obtidos. Esses dados podem alegadamente identificar
unicamente uma pessoa natural e impedir o seu uso para fins de avanço da ciência.

Do outro lado do espectro de interesses, a inclusão de proteção ao crédito na área

financeira, como uma das possibilidades de viabilização de coleta e tratamento de dados
sem consentimento, cria uma vulnerabilidade ao titular, pois esses dados, a exemplo de
adimplência e contratos de empréstimos, são itens de privacidade importantes para o
cidadão.

Ainda sob a ótica das lacunas da lei que podem ser utilizadas em prol das empresas
está o conceito de legítimo interesse. Em uma sociedade de livre mercado, o lucro é um
interesse legítimo de uma empresa e esse argumento pode justificar a coleta sem
consentimento - e sem conhecimento - de dados pessoais com o intuito de direcionar
publicidade, o que em última instância implica também em manipulação de emoções,
desejos e orientações políticas.

Por fim, a privacidade de agentes do poder público deve ser equilibrada com o
interesse civil em fiscalizar suas ações e os limites entre a lei de transparência e a LGPD
podem ser fluidos e, por essa razão, devem ser explicitados.

A LGPD, no momento da publicação deste capítulo, ainda carece de

regulamentação e muitos conceitos e aplicações possuem lacunas de entendimento. A
necessidade de adaptação de empresas e entes públicos, entretanto, é notória e urgente
para que possam atender os requisitos mínimos da lei. Esta necessidade gera uma
demanda de entendimento e conhecimento dos profissionais e cientistas da área da
Ciência da Computação e áreas correlatas, bem como uma adaptação administrativa da
maioria das empresas com negócios no país.

74
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

As seções a seguir objetivam fornecer um panorama das ferramentas e

possibilidades existentes em alguns dos principais SGBDs existentes, com relação aos
aspectos de segurança e seus impactos nas questões de privacidade.

3.4. LGPD e mecanismos de segurança nos SGBDs

A presente seção descreve como as principais empresas desenvolvedoras de ambientes de
Bancos de Dados, e seus respectivos SGBDs, buscam auxiliar as organizações na
adaptação à LGPD.
Com base em um estudo sobre a RGPD [Rajasekharan 2017], levantamos que os
principais requisitos de segurança de dados da LGPD podem ser amplamente
classificados em três categorias: avaliação, prevenção e monitoramento/detecção.
A avaliação está relacionada ao impacto na proteção de dados quando certos tipos
de processamento de dados pessoais provavelmente apresentarão um "alto risco" para o
titular dos dados. A avaliação deve incluir uma avaliação sistemática e abrangente dos
processos, perfis da organização e como essas ferramentas salvaguardam os dados
pessoais (LGPD - Capítulo VII - Seção II - Art. 50. § 2º - Letra d).
Em relação à prevenção de brechas de segurança, a própria LGPD recomenda
algumas técnicas para prevenir os ataques. São elas: anonimização e pseudonimização,
controle de acesso de usuário privilegiado, controle de acesso refinado e minimização de
dados. A anonimização de dados é a técnica de embaralhar ou ofuscar completamente os
dados e a pseudonimização refere-se à redução da vinculação de um conjunto de dados
com a identidade original de um titular de dados. A LGPD afirma que as técnicas de
anonimização e pseudonimização podem reduzir o risco de divulgação acidental ou
intencional de dados, tornando as informações não identificáveis para um indivíduo ou
entidade (LGPD - Capítulo II - Seção II - Art. 13.). O controle de acesso de usuário
privilegiado que têm acesso aos dados pessoais deve impedir ataques de informações
privilegiadas e contas de usuário comprometidas (LGPD - Capítulo VI - Seção I). Além
do controle privilegiado do usuário, a LGPD recomenda a adoção de uma metodologia
refinada de controle de acesso para garantir que os dados pessoais sejam acessados
seletivamente e apenas para uma finalidade definida. Esse tipo de granulação fina do
controle de acesso pode ajudar as organizações a minimizar o acesso não autorizado aos
dados pessoais (LGPD - Capítulo II - Seção I - Art. 10 - § 1º). A minimização de dados
diz respeito à recomendação de minimizar a coleta e retenção de dados pessoais para
reduzir o limite de conformidade. Ao coletar, processar ou compartilhar dados pessoais,
é necessário ser frugal e limitar a quantidade de informações às necessidades de uma
atividade específica (Capítulo I - Art. 6º - III).
O monitoramento/detecção de brechas é necessário porque nenhuma
organização, mesmo com a adoção de medidas preventivas de segurança, consegue
eliminar totalmente a possibilidade de uma violação de dados. A LGPD recomenda esse
monitoramento e o alerta para detectar tais violações através dos seguintes mecanismos:
dados de auditoria e monitoramento e alerta oportuno. A LGPD exige não apenas o
registro ou a auditoria das atividades nos dados pessoais, mas também recomenda que
esses registros devem ser mantidos centralmente sob a responsabilidade do controlador
(LGPD - Capítulo VI - Seção I - Art. 37.). Por fim, o monitoramento constante das
atividades de dados pessoais é fundamental para detectar anomalias. A LGPD também

75
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

exige notificações oportunas em caso de violação (LGPD - Capítulo VII - Seção I - Art.
48.).
Além disso, a LGPD também exige conformidade com os princípios de proteção
de dados para aprimorar a qualidade e o rigor da proteção dos dados. Entre os dez
princípios da LGPD, destacam-se três deles relacionados aos ambientes de SGBDs:
✔ Princípio 7 – Segurança: proteger os dados armazenados;
✔ Princípio 8 – Prevenção: coibir vazamento de dados;
✔ Princípio 10 – Responsabilização: o agente de tratamento de dados pessoais deve
demonstrar quais medidas foram adotadas para evitar o vazamento de dados
(auditoria).
Diante da categorização ampla dos requisitos de segurança da LGPD e desses três
princípios que impactam diretamente os ambientes de SGBDs, investigam-se soluções de
diversas naturezas que possam diminuir a vulnerabilidade dos dados armazenados nas
organizações. Essas soluções envolvem tanto funcionalidades diretas do SGBD e
ferramentas associadas, quanto serviços, disponibilizados em plataformas na nuvem, que
atuam como uma camada, abrangendo não só os SGBDs como também as demais
aplicações executadas na mesma plataforma.
Baseado no quadrante mágico da Gartner de 2018 (Figura 3.1), decidiu-se
investigar três principais empresas (Microsoft, Oracle, Amazon Web Services), além de
um SGBD gratuito, o PostgreSQL.

Figura 3.1. Quadrante mágico para Sistemas Gerenciadores de Bancos de Dados Operacionais
[Feinberg et al, 2018]

76
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

3.4.1. Microsoft
A Microsoft dispõe de diversos aspectos de segurança para auxiliar os usuários de SGBDs
na adaptação à LGPD, controlando o acesso, prevenindo e detectando intrusos e
vulnerabilidades e gerando relatórios de auditoria.
Seguindo a categorização ampla dos requisitos de segurança da LGPD, alguns
aspectos propostos pela Microsoft são [Microsoft 2018a]:
❖ Avaliação: data discovery and classification e sql vulnerability assessment.
❖ Prevenção: dynamic data masking (DDM), static data masking, sql server
authentication, object-level permissions, role-based security, row-level security,
transport layer security (TLS), transparent data encryption (TDE) e always
encrypted.
❖ Monitoramento/detecção: sql server audit, sql server temporal tables e sql
vulnerability assessment.

[Link] Microsoft - Categoria de Avaliação

Toda organização possui um grande volume de dados, incluindo dados pessoais (e,
particularmente, também dados sensíveis que devem ser protegidos segundo a LGPD).
Diante do grande volume de dados, é importante que o controlador tenha o auxílio de uma
ferramenta que o ajude a avaliar, identificar e categorizar os dados pessoais.
A feature data discovery and classification ajuda a organizar e classificar os
dados para garantir o manuseio adequado e o melhor gerenciamento de informações
pessoais [Microsoft 2019a]. Essa feature é acessada através da ferramenta SQL Server
Management Studio (SSMS), ao selecionar um banco de dados, e já disponibiliza uma
lista com as recomendações de classificação dos dados (Figura 3.2). Em seguida, o
administrador do banco pode selecionar as recomendações com as quais concorda. Além
disso, o administrador do banco de dados pode adicionar classificações de forma manual.

Figura 3.2. Lista de classificação dos dados proposta pelo Data Discovery and Classification
[Microsoft 2019a]

77
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Além da descoberta de dados pessoais, é importante avaliar as possíveis

vulnerabilidades que existem no SGBD. A feature sql vulnerability assessment pode
ajudar a detectar problemas de segurança e permissões. Quando um problema é detectado,
pode-se fazer relatórios com uma busca detalhada no banco de dados para encontrar ações
para resolução aos problemas através do SSMS [Microsoft 2017d]. Esse relatório
(auditoria) também auxilia na categoria de monitoramento/detecção da LGPD. A Figura
3.3 apresenta um exemplo de relatório de verificação de vulnerabilidades. O relatório
apresenta uma visão geral do seu estado de segurança, quantos problemas foram
encontrados e suas respectivas gravidades.

Figura 3.3. Exemplo de relatório de verificação de vulnerabilidades [Microsoft 2017d]

A Figura 3.4 apresenta uma solução possível para um problema de vulnerabilidade
recomendada pela própria ferramenta de verificação. A recomendação é remover o
membro GUEST de todos os papéis.

[Link] Microsoft - Categoria de Prevenção

A Microsoft disponibiliza features, de acordo com as recomendações da LGPD na
categoria de prevenção, para a anonimização e pseudonimização através do
mascaramento dinâmico e estáticos de dados, o controle de acesso de usuário privilegiado
e a criptografia de dados, que apesar de não constar explicitamente na LGPD, é um meio
de segurança para os dados, em caso de vazamento.

78
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.4. Exemplo de solução para vulnerabilidade detectada [Microsoft 2017d]

A feature dynamic data masking (DDM) limita a exposição aos dados pessoais
através do mascaramento deles para usuários não privilegiados [Microsoft 2019c]. Ele
mascara os dados em tempo de execução, facilitando a modelagem e o código de
segurança nas aplicações. O mascaramento de dados pode ocorrer de forma total ou
parcial e, no caso de dados numéricos, existe um tipo de máscara aleatória. Por exemplo,
na Figura 3.5, tem-se um exemplo de comando que adiciona uma função de
mascaramento (partial) para a coluna LastName da tabela Membership. O primeiro
argumento da função é o prefixo, ou seja, a posição do primeiro caractere real a ser
mostrado do dado, o segundo argumento possui os caracteres do meio e que irão mascarar
o conteúdo no momento da exibição do resultado da consulta e o último argumento é o
sufixo, ou seja, a posição do último caractere real a ser mostrado.

Figura 3.5. Comando de inclusão de mascaramento de dados a uma coluna existente [Microsoft
2019c]

79
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

A feature static data masking, disponível no Sql Server Management Studio 18.0
preview 5 e posterior, possibilita a criação de uma cópia do banco de dados que tenha os
dados pessoais mascarados para que o usuário possa compartilhar tal cópia sem
compartilhar os dados pessoais contidos no banco [Granet 2018]. Diferente do DDM, o
mascaramento ocorre em nível de armazenamento e todos os usuários da cópia do banco
de dados tem o mesmo dado mascarado. Esse mascaramento ocorre em nível de coluna
como pode ser visto na Figura 3.6, no passo 1 (step 1), onde as colunas AddressLine,
DateOfBirth, EmailId, FirstName, LastName e SSN, da tabela
[Link], são selecionadas para mascaramento. As funções escolhidas para o
mascaramento de dados são: shuffle, single value, null, group shuffle e string composite.
A função shuffle embaralha os dados (AddressLine) para as novas linhas e não
introduz nenhum valor novo. A função single value substitui todos os conteúdos da coluna
(DateOfBirth) pelo único valor inserido no momento da configuração. A função null
substitui o conteúdo da coluna (EmailId) pelo valor null. Nesse caso, a coluna precisa
ser opcional para poder usar essa função. A função group shuffle vincula mais de uma
coluna (FirstName e LastName) no mascaramento aleatório, ou seja, usa o conteúdo
de mais colunas para o embaralhamento. A função string composite permite o
mascaramento da coluna inteira ou de parte dela. Por exemplo, o SSN pode ser
parcialmente mascarado, mantendo-se apenas os seus quatro últimos dígitos. Ainda na
Figura 3.6, no passo 2 (step 2), seleciona-se a localização do arquivo destino da cópia
mascarada do banco de dados e no passo 3 (step 3) detalha-se o nome do banco de dados
destino e o arquivo onde constará o log do mascaramento. Na Figura 3.7 tem-se um
exemplo dos dados não mascarados (Unmasked Data) e dos dados após o mascaramento
(Masked Data).

Figura 3.6. Seleção de colunas a serem mascadas fisicamente na cópia do banco de dados [Mahajan
2019]

80
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.7. Dados antes e após o mascaramento estático de dados [Mahajan 2019]
A partir daqui as features de prevenção lidam com o controle de acesso dos
usuários. A feature sql server authentication ajuda a gerenciar as identidades dos
usuários que acessam os bancos de dados e os servidores, impedindo o acesso não
autorizado e pode ser configurado no SSMS [Microsoft 2018b]. Existem duas formas de
autenticação no SGBD sql server: a autenticação do Windows e o modo misto. A
autenticação do Windows é a forma padrão, onde as contas de usuário e grupos
específicas do Windows são confiáveis para conectarem ao sql server. Já o modo misto
suporta tanto a autenticação pelo Windows quanto pelo próprio sql server. Os pares de
nome de usuário e senha são mantidos no sql server. A recomendação da Microsoft é
utilizar a autenticação do Windows sempre que for possível, visto que a autenticação do
Windows usa diversas mensagens criptografadas para autenticar os usuários no sql server,
enquanto as credenciais do sql server trafegam pela rede, tornando-as menos seguras.
A feature object-level permissions permite a concessão de permissões em um
nível excepcionalmente granular – até visualização de tabela, procedimento armazenado,

81
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

função escalar ou serviço de fila [Microsoft 2014]. Na Figura 3.8 tem-se um exemplo de
consulta sobre as permissões que os usuários possuem sobre os objetos do banco de dados.

Figura 3.8. Permissões de usuários aos objetos do banco de dados [Microsoft 2014]
A feature role-based security permite conceder permissões baseadas em papéis
ou grupos de usuários ao invés de usuários individuais, reduzindo o ataque ao banco de
dados e simplificando a administração de segurança [Microsoft 2017a]. O sql server
disponibiliza papéis, em nível de servidor, para a administração do SGBD e as permissões
atribuídas a eles não podem ser alteradas. O papel sysadmin abrange todos os outros
papéis e tem escopo ilimitado, devendo ser atribuído somente a usuários altamente
confiáveis. Além disso, existem papéis em nível de banco de dados, tendo um conjunto
pré-definido de permissões. Os usuários do banco de dados podem ser adicionados aos
papéis do banco de dados ou do servidor.
A feature row-level security restringe o acesso, de acordo com os direitos do
usuário, limitando o acesso a linhas em uma tabela baseado no relacionamento entre o
usuário e o dado [Microsoft 2019b]. Essa feature é implementada no sql server através da
instrução CREATE SECURITY POLICY e predicados criados como funções com
valores embutidos da tabela. Na Figura 3.9 tem-se um exemplo de criação de uma função
que retorna o valor 1 (um) quando o conteúdo de uma linha da coluna do representante
de vendas (@SalesRep) é o mesmo que o usuário que executa a consulta (@SalesRep =
USER_NAME()) ou se o usuário que está executando a consulta for o gerente
(USER_NAME() = ‘MANAGER’).

Figura 3.9. Função que realiza o cruzamento do usuário que realiza a consulta e a linha que está
sendo consultada [Microsoft 2019b]
Na Figura 3.10 é apresentado o comando para a criação de uma política de
segurança que adiciona a função anterior (Figura 3.9) como um predicado de filtro sobre
a tabela de vendas ([Link]). O estado (STATE=ON) precisa ser definido como ON
para habilitar a política.

Figura 3.10. Comando de criação de política de segurança [Microsoft 2019b]

Na Figura 3.11 tem-se as permissões de consulta (GRANT SELECT ON) na
função para os usuários Manager, Sales1 e Sales2. Dessa forma, quando o gerente
consultar os dados, a função retornará 1 e o mesmo terá acesso a todas as linhas contidas

82
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

na tabela de vendas. Já os vendedores Sales1 e Sales2 só terão acesso às linhas de

suas próprias vendas, pois, como ele não possui o papel de gerente, a função só retornará
1 quando o usuário que estiver consultando for igual ao conteúdo da linha da coluna
representante de vendas.

Figura 3.11. Exemplo de permissões aos usuários [Microsoft 2019b]

Finalizando as features de prevenção, tem-se àquelas ligadas à criptografia. Na
camada de transporte, a feature TLS é um protocolo de comunicação que garante
comunicações altamente seguras, onde os dados são criptografados para ajudar a garantir
que nenhum dado seja interceptado durante o tráfego entre o banco de dados e a aplicação
cliente [Microsoft 2019d]. O TLS pode ser usado para validação do servidor quando uma
conexão do cliente solicita criptografia. Se a instância do sql server estiver sendo
executada em um computador ao qual foi atribuído um certificado de uma autoridade de
certificação pública, a identidade do computador e a instância do SQL Server serão
emitidas pela cadeia de certificados que leva à autoridade raiz confiável. Essa validação
de servidor exige que o computador, no qual o aplicativo cliente está sendo executado,
seja configurado para confiar na autoridade raiz do certificado que é usado pelo servidor.
A feature TDE protege os dados em repouso mesmo que a mídia física (cópias de
segurança) seja perdida ou que os dados sejam descartados incorretamente [Microsoft
2019e]. Ele criptografa e descriptografa o banco de dados, as cópias de segurança e os
logs de transações em tempo real, sem requerer qualquer mudança nas aplicações. A
criptografia usa uma DEK (chave de criptografia do banco de dados), que é armazenada
no registro de inicialização do banco de dados para disponibilidade durante a
recuperação. A DEK é uma chave simétrica protegida por um certificado armazenado no
banco de dados mestre do servidor ou uma chave assimétrica protegida por um módulo
EKM (gerenciamento extensível de chaves). Na Figura 3.12 tem-se uma série de
comandos para a utilização da TDE. Primeiro é necessário criar uma chave mestra
(CREATE MASTER KEY), atribuindo-se uma senha. Em seguida, cria-se um certificado
protegido pela chave mestra (CREATE CERTIFICATE). Após essa criação, cria-se uma
chave de criptografia de banco de dados (CREATE DATABASE ENCRYPTION KEY),
protegendo-a com o certificado anterior e por fim, define-se o banco de dados para usar
a criptografia (ALTER DATABASE ... SET ENCRYPTION ON).

Figura 3.12. Comandos para uso do TDE [Microsoft 2019e]

83
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

A feature always encrypted é uma tecnologia que auxilia na proteção de dados

pessoais enquanto eles estão em uso em nível de coluna [Microsoft 2017c]. Ela
criptografa e descriptografa no computador cliente sem revelar a chave de criptografia
para o servidor do banco de dados. Dessa forma, os dados ficam visíveis somente para as
pessoas responsáveis por gerenciar tais dados e não para os administradores do banco de
dados ou usuários altamente privilegiados que não tenham acesso. Como resultado, essa
tecnologia fornece uma separação entre aqueles que possuem os dados (e podem exibi-
lo) e aqueles que gerenciam os dados (mas que não devem ter acesso). Um driver é
instalado no computador cliente e automaticamente, criptografa e descriptografa os dados
confidenciais. O driver criptografa as colunas de dados confidenciais antes de passar os
dados para o servidor de banco de dados e reconfigura automaticamente as consultas para
que a semântica do aplicativo seja preservada. Um cenário em que esse tipo de tecnologia
é útil é quando uma empresa deseja que um fornecedor externo administre o sql server.
Dessa forma, eles não terão acesso aos dados confidenciais, pois os mesmos estarão
criptografados no banco. Na Figura 3.13 apresenta-se um exemplo de comandos que cria
os metadados de uma chave mestra (CREATE COLUMN MASTER KEY) de coluna, os
metadados de chave de criptografia de coluna (CREATE COLUMN ENCRYPTION KEY)
e uma tabela com colunas criptografadas (CustName e SSN). O valor de
ENCRYPTED_VALUE foi cortado para não sobrecarregar a figura.

Figura 3.13. Comandos para dados sempre criptografados [Microsoft 2017c]

[Link] Microsoft - Categoria de Monitoramento/detecção

Quando um vazamento acontece, a organização precisa detectá-lo o mais rapidamente
possível para minimizar seu impacto, além de entender quais registros foram afetados. É
importante que toda a organização seja alertada imediatamente quando alguma atividade

84
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

fora do comum for detectada e, a partir daí, monitore comportamentos suspeitos. Além
disso, o controlador deve ter o auxílio de ferramentas de auditoria que possam gerar
relatórios sobre as atividades que ocorreram no banco de dados.
A feature sql server audit rastreia as atividades do banco de dados para ajudar no
entendimento e identificação de possíveis ameaças, abusos suspeitos ou violação de
segurança [Microsoft 2016a]. Os eventos auditados (ações atômicas) podem ser gravados
nos logs de eventos ou nos arquivos de auditoria e ocorrem em nível de servidor ou de
banco de dados. Por padrão, o sql server não habilita a auditoria. Ela pode ser habilitada
pelo SSMS ou via linha de comando sql. Utilizando a linha de comando, na Figura 3.14,
são mostrados exemplos de criação de auditoria se servidor (CREATE SERVER AUDIT),
a habilitação da auditoria do servidor (ALTER SERVER ... STATE=ON) e a criação
de uma auditoria de banco de dados que audita as instruções SELECT e INSERT
realizadas por qualquer usuário dbo para a tabela
[Link] no banco de dados
AdventureWorks2012 [Microsoft 2017b].

Figura 3.14. Comandos para criar e habilitar auditorias de servidor e banco de dados [Microsoft
2017b]
A feature sql server temporal tables são tabelas com versão do sistema, sendo do
tipo de tabela de usuário modeladas para manter um histórico completo da mudança dos
dados em qualquer ponto no tempo e que podem ser usadas para gerar relatórios sobre os
dados auditados [Microsoft 2016b]. A tabela temporal é dita com versão do sistema
porque o período de validade para cada linha é gerenciado pelo sistema (SGBD). Cada
tabela temporal possui duas colunas do tipo datetime2, que armazena o período de
validade para cada linha sempre que uma linha é modificada. Além disso, a tabela
temporal possui uma referência a outra tabela com um esquema espelhado (histórico),
que é usada para armazenar a versão anterior da linha, automaticamente, sempre que uma
linha na tabela temporal é atualizada ou excluída. Na Figura 3.15 é apresentado um
exemplo de consulta à tabela de histórico (FOR SYSTEM_TIME), onde são retornadas
as versões de linhas que satisfaçam a condição de EmployeeID = 1000 e que estavam
ativas durante o período de 01/01/2014 e 01/01/2015, inclusive.

85
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.15. Consulta a tabela de histórico [Microsoft 2016b]

A feature sql vulnerability assessment, conforme já descrito no item de avaliação,
também auxilia com relatórios sobre as atividades ocorridas no banco de dados.

3.4.2. Oracle
A Oracle disponibiliza diversos aspectos de segurança para apoiar a privacidade dos
dados. Para encolher a superfície de ataque e reduzir o número de maneiras pelas quais
os invasores podem acessar os bancos de dados, é extremamente importante impor a
segurança o mais próximo possível dos dados. Considerando as três categorias de
requisitos da LGPD, descrevemos a seguir alguns dos diversos produtos que a Oracle
disponibiliza para auxiliar na proteção dos dados armazenados e no controle de acesso a
esses dados.
❖ Avaliação: oracle data safe (avaliação de segurança e risco) e oracle database
vault.
❖ Prevenção: oracle data safe (mascaramento de dados), oracle data masking and
subsetting, oracle advanced security, oracle key vault, oracle database vault e
oracle label security.
❖ Monitoramento/detecção: oracle data safe (auditoria de atividades), oracle audit
vault e database firewall.

[Link]. Oracle - Categoria de Avaliação

Um dos desafios ao avaliar a natureza dos riscos é determinar o que avaliar, porque os
aplicativos de banco de dados normalmente contêm vários pontos de entrada e têm dados
pessoais espalhados por várias colunas e tabelas com controle de acesso vagamente
definido. A Oracle auxilia nesse desafio da LGPD provendo ferramentas para ajudar na
avaliação de segurança e risco.

Oracle data safe

O oracle data safe é um serviço na nuvem que garante segurança para os bancos de dados
residentes na nuvem [Oracle 2019a]. Essa segurança é obtida através de avaliações de
segurança e risco do usuário, auditoria de atividades, descoberta de dados confidenciais
e mascaramento de dados.
A avaliação de segurança auxilia na identificação da existência de lacunas na
estratégia de configuração do banco de dados e sugere maneiras de corrigir essas lacunas.
Dessa forma, é possível identificar vulnerabilidades de segurança, por exemplo, quando
senhas padronizadas estão sendo utilizadas ou quando os usuários possuem mais
privilégios do que eles deveriam. Por exemplo, a Figura 3.16 apresenta um alerta do
serviço para a quantidade de usuários que possuem o privilégio de DBA (DBA Role) no
banco de dados, visto que esse tipo de privilégio deve ser restrito apenas aos
administradores da base de dados e que possam ter acesso total aos dados, incluindo os
dados sensíveis.

86
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.16. Exemplo de uso do serviço de avaliação de segurança3

A avaliação de risco do usuário permite avaliar e monitorar o usuário de forma a

identificar possíveis riscos associados a contas privilegiadas. A Figura 3.17 apresenta um
exemplo de análise realizada pelo serviço, onde algumas contas de usuários apresentam
alto nível de exposição a riscos.

Figura 3.17. Exemplo de avaliação de riscos de usuários [Oracle 2019a]

3
[Link]

87
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

As demais funcionalidades do oracle data safe são detalhadas nas suas respectivas
categorias.

Oracle database vault

O oracle database vault trabalha em conjunto com o banco de dados oracle para evitar
ameaças que exploram credenciais roubadas, usuários que usam contas privilegiadas para
acessar dados confidenciais, criar novas contas, conceder privilégios adicionais, usuários
que ignoram as políticas de uso dos dados das organizações, ameaças aos dados
confidenciais durante a janela de manutenção das aplicações entre outras [Oracle 2019c].
Devido às suas diversas funções, o oracle database vault auxilia tanto na avaliação quanto
na categoria de prevenção de ataques.
Após a identificação dos dados pessoais, torna-se importante identificar usuários
(titulares de dados, terceiros, autoridades de supervisão e destinatários), incluindo
usuários e administradores privilegiados (controladores, operadores), que não podem
apenas acessar, mas também processar os dados pessoais [Rajasekharan 2017]. Durante
a modelagem e a manutenção do sistema, privilégios adicionais podem ser concedidos
inadvertidamente aos usuários. A análise de privilégios do oracle database vault ajuda a
aumentar a segurança dos aplicativos, identificando os privilégios reais usados no tempo
de execução. Os privilégios identificados como não utilizados, podem ser avaliados para
uma possível revogação, ajudando a obter um modelo de privilégios mínimos.

[Link]. Oracle - Categoria de Prevenção

Conforme já discutido, a LGPD recomenda diversas técnicas preventivas, tais como:
pseudonimização, anonimização, controle de usuário privilegiado entre outras. Um dos
desafios de qualquer controle de proteção de dados preventivo é a possível sobrecarga
que ele cria nos sistemas e nas operações diárias de TI (tecnologia da informação). Esta
sobrecarga pode vir em termos de mudança de processos; alterações necessárias no
código-fonte do sistema, sobrecarga de desempenho e preocupações com escalabilidade.
No entanto, a Oracle descreve que aborda tais desafios através de controles preventivos
transparentes para a maioria dos sistemas e com um impacto mínimo no desempenho e
nas operações contínuas de TI [Rajasekharan 2017].

Oracle data safe

O oracle data safe auxilia no item de anonimização dos dados, através do seu
mascaramento, para que caso ocorra vazamento de dados pessoais, esses dados não sejam
vinculados às pessoas reais. Para isso, é importante identificá-los. A descoberta de dados
confidenciais ajuda a decidir quais dados devem ser protegidos. Esse serviço identifica e
classifica mais de 125 tipos de dados sensíveis, tais como: dados de tecnologia da
informação, dados financeiros, dados de saúde entre outros. Esse serviço é
particularmente útil para empresas que possuem várias equipes de desenvolvimento e
seus dados estejam distribuídos sobre vários bancos de dados, sendo difícil a identificação
dos dados sensíveis e onde os mesmos estão localizados. A Figura 3.18 mostra algumas
das categorias pré-definidas de dados sensíveis e a partir daí, o usuário pode selecionar a
categoria que ele deseja descobrir quais seriam os dados sensíveis nos seus bancos de
dados.

88
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.18. Exemplo de categorias de descoberta de dados sensíveis [Oracle 2019a]

O mascaramento de dados substitui os dados sensíveis do ambiente de produção
por dados fictícios, mas realistas. Esse mascaramento pode ser usado para os ambientes
de desenvolvimento e homologação das organizações, onde o desenvolvedor não precisa
ter acesso, por exemplo, ao número do cartão de crédito de um usuário para realizar testes
mais próximos da realidade. Dessa forma, o conjunto de dados de teste passa a ser realista,
mas sem expor os dados sensíveis. A Figura 3.19 apresenta um exemplo de mascaramento
do identificador do cliente (SSN) e do seu cartão de crédito (Credit Card).

Figura 3.19. Exemplo de mascaramento de dados [Oracle 2019a]

Oracle data masking and subsetting

O oracle data masking and subsetting também auxilia na anonimização de dados e é um
plugin acoplado ao banco de dados Oracle que cria um ambiente (desenvolvimento ou
homologação) com um subconjunto dos dados de produção mascarados, mas realistas
[Oracle 2017]. O mascaramento de dados segue um conjunto de regras pré-definidas para
mapeamento. Esse plugin possui o objetivo similar ao mascaramento de dados contido no
oracle data safe.

Oracle advanced security

Embora a LGPD não indique, explicitamente, a criptografia como uma forma de
prevenção, a RGPD recomenda tal técnica, sendo ela extremamente importante para
prevenção. O desafio para as organizações é a implementação da criptografia não só para
os dados pessoais em tabelas criptografadas, mas também para backups, data dumps e

89
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

arquivos de log. O oracle advanced security é uma opção do banco de dados Oracle 19c
e auxilia na criptografia de dados através do Oracle advanced security transparent data
encryption (TDE), mas também na pseudonimização através do Oracle advanced security
data redaction [Oracle 2019b].
O TDE criptografa os dados sensíveis na camada de banco de dados e, com isso,
auxilia na prevenção de ataques que tentam ignorar o banco de dados e ler informações
confidenciais de arquivos de dados no nível do sistema operacional, de backups de banco
de dados ou de exportações de banco de dados. Os aplicativos e usuários autenticados no
banco de dados continuam tendo acesso aos dados de forma transparente, enquanto
usuários não autenticados que tentam burlar o banco de dados têm acesso negado para
descriptografar os dados.
Na Figura 3.20 apresenta-se um exemplo de ataque que o banco de dados pode
sofrer de pessoas que tenham acesso ao usuário do sistema operacional que tenha
privilégios sobre os arquivos do banco de dados. No exemplo citado, o usuário do sistema
operacional pode buscar por conteúdos com números, no arquivo que possui dados
financeiros (tablespace) do banco de dados. Com isso, o usuário consegue obter a
informação limpa com os números dos cartões de créditos registrados no banco de dados.

Figura 3.20. Exemplo de ataque ao banco de dados [Oracle 2019b]

Já na Figura 3.21 consegue-se ver o mesmo cenário com o TDE em ação. O TDE
pode criptografar tablespaces ou até mesmo bancos de dados inteiros, incluindo as
tablespaces SYSTEM, SYSAUX, TEMP e UNDO. Todo esse processo é transparente
para as aplicações porque os processos de criptografia e descriptografia não requerem
qualquer mudança na aplicação e os usuários das aplicações não conseguem lidar
diretamente com os dados criptografados. Além dessas opções, o DTE também permite
criptografar somente algumas colunas na tabela, desde que o usuário saiba quais seriam
os dados sensíveis. Essa opção é relevante para bancos de dados enormes, tal como o
datawarehouse.

Figura 3.21. Exemplo de intervenção do TDE ao ataque no banco de dados [Oracle 2019b]

90
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

O Oracle advanced security data redaction fornece uma redação seletiva e

dinâmica de dados sensíveis durante a apresentação dos resultados de uma consulta ao
banco de dados, antes da exibição pelos aplicativos, para que os usuários não autorizados
não possam visualizar tais dados. Os dados armazenados permanecem inalterados,
enquanto os dados exibidos são transformados e editados antes de sair do banco de dados.
O tipo de cenário em que essa redação pode ser relevante é o uso de aplicações de call
center. O atendente não deve possuir acesso às informações confidenciais de clientes,
como o número do cartão de crédito, visto que isso pode violar alguns regulamentos de
privacidade (ex.: LGPD) e expor dados confidenciais sem necessidade.
A Figura 3.22 apresenta alguns exemplos de transformações que podem ser
realizadas antes de serem exibidas nas aplicações.

Figura 3.22. Exemplo de redação de dados para as aplicações [Oracle 2019b]

Oracle key vault

O oracle key vault também auxilia na prevenção através do controle centralizado sobre
dados criptografados com o TDE. Ele possui a capacidade de suspender o acesso à chave
mestra e renderizar os dados criptografados de forma ininteligível em caso de violação de
dados ou atividade suspeita [Rajasekharan 2017]. O oracle key vault é um sistema de
segurança para armazenar, centralizar e gerenciar chaves mestras do TDE (usadas para
criptografia e descriptografia de dados) de vários bancos de dados Oracle e outros
aplicativos de segurança [Oracle 2018a]. Esse sistema elimina alguns desafios
operacionais de gerenciamento de chaves tais como: rotação periódica de senhas,
realização de cópias de segurança e recuperação de senhas perdidas.
Além disso, conforme mostrado na Figura 3.23, as chaves de criptografia são
armazenadas fisicamente e gerenciadas em um local separado de onde os dados
criptografados residem, atendendo a uma regra frequente em regulamentos de segurança.

Figura 3.23. Cenário de uso do oracle key vault [Oracle 2018a]

91
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Oracle database vault

O oracle database vault auxilia na prevenção através do controle de usuário privilegiado
(papel de DBA). Esse tipo de conta, normalmente, possui acesso completo aos dados
armazenados no banco de dados. No entanto, com o oracle database vault, é criado um
ambiente de aplicação restrito (“Realm”) dentro do banco de dados que previne o acesso
aos dados da aplicação a partir de contas privilegiadas enquanto continua permitindo as
atividades administrativas autorizadas regulares no banco de dados. Na Figura 3.24 tem-
se um exemplo onde o DBA não consegue recuperar os dados de uma determinada tabela
([Link]), ou seja, somente a pessoa autorizada para visualizar esses dados que
consegue.

Figura 3.24. Oracle database vault atuando sobre contas privilegiadas [Oracle 2019c]
Outra função do oracle database vault é controlar a configuração do banco de
dados de forma a impedir alterações no banco de dados que possam levar a configurações
inseguras, desvios de configuração (alterações em estruturas de tabelas), reduzir a
possibilidade de constatações de auditoria e melhorar a conformidade. Essa prevenção é
adquirida através do controle do uso de comandos, tais como: ALTER SYSTEM, ALTER
USER, CREATE USER, DROP USER entre outros. Por exemplo, na Figura 3.25, tem-
se um cenário em que comandos do DBA são recusados, tais como: TRUNCATE TABLE
e CONNECT de um IP desconhecido pelo banco de dados. Em resumo, é controlado o
uso de comandos SQL que possam modificar o dicionário e a configuração do banco de
dados e com isso, abrir o banco de dados para vulnerabilidades de segurança.

Figura 3.25. Oracle database vault atuando sobre a configuração do banco de dados [Oracle 2019c]

Oracle label security

O oracle label security também auxilia no controle de acesso, mas permitindo o controle
de acessos multiníveis, requeridos por aplicações governamentais e militares [Oracle

92
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2018b]. Ele é integrado ao oracle enterprise manager e está disponível junto com o banco
de dados oracle – edição enterprise.
No controle de acesso multinível, tanto os dados quanto os usuários do banco de
dados recebem uma classificação (label ou classification). A cada vez que um usuário
tenta acessar um dado no banco, é verificado quais dados que o usuário possui acesso e o
banco de dados só retorna aqueles dados que o usuário possui acesso. No exemplo da
Figura 3.26, o usuário só possui acesso aos dados classificados como sensíveis (sensitive)
do tipo alpha e beta. Sendo assim, somente duas linhas da tabela locations que são
retornadas, mesmo a tabela possuindo cinco linhas (demais dados classificados como
altamente sensíveis).

Figura 3.26. Oracle label security avaliando o acesso aos dados [Oracle 2018b]

[Link]. Oracle - Categoria de Monitoramento/detecção

A LGPD determina que as organizações devem manter um registro de suas atividades de
processamento. Esse registro só pode ser alcançado através do monitoramento e da
auditoria constante das atividades sobre os dados pessoais. Esses dados de auditoria
podem ser usados para notificar oportunamente as autoridades, em caso de violação.
Além de exigir auditoria e alertas oportunos, a LGPD também exige que as organizações
mantenham os registros de auditoria sob seu controle. Um controle centralizado dos
registros de auditoria evita que invasores ou usuários mal-intencionados cubram os
rastros de suas atividades suspeitas, excluindo registros da auditoria local [Rajasekharan
2017].

Oracle data safe

O oracle data safe auxilia na auditoria do banco de dados. A auditoria de atividades
monitora as atividades dos usuários nos bancos de dados na nuvem, coletando e mantendo
registros de auditoria por indústria e requisitos de conformidade regulamentar, acionando
alertas para atividades não usuais. Por exemplo, a mudança em dados sensíveis pode ser
auditada, caso ocorra falha no login de um administrador do banco de dados, pode ser
gerado um alerta entre outros avisos possíveis. Na Figura 3.27 encontra-se um exemplo
das atividades que podem ser monitoradas por esse serviço (ex.: quando o DBA
desconecta do banco de dados (Event = LOGOFF); quando o DBA confirma uma
transação (Event = COMMIT)).

93
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.27. Exemplo de atividades monitoradas [Oracle 2019a]

Oracle audit vault e database firewall

O oracle audit vault and database firewall é uma plataforma de auditoria e proteção
centrada em dados, que fornece monitoramento abrangente e flexível através de
consolidação de dados de auditoria de bancos de dados Oracle e não Oracle, sistemas
operacionais, sistemas de arquivos e aplicativos específicos [Rajasekharan 2017]. Ao
mesmo tempo, o oracle database firewall pode atuar como a primeira linha de defesa na
rede, impor o comportamento esperado do aplicativo, ajudando a impedir a injeção de
SQL, o desvio do sistema e outras atividades que possam alcançar o banco de dados. O
oracle audit vault e o database firewall podem consolidar os dados de auditoria de vários
bancos de dados (Oracle, SQL Server, MySQL, DB2 entre outros) e monitora o tráfego
SQL procurando, alertando e impedindo SQL não autorizado ou fora da política de
segurança. Os responsáveis pela proteção de dados e os controladores podem especificar
as condições sob as quais os alertas podem ser gerados em tempo real, tentando capturar
os intrusos com as atividades anormais.

3.4.3. Amazon Web Services (AWS)

A AWS disponibiliza mais de 500 recursos e serviços com foco na segurança e
compatibilidade. Segundo a categorização da LGPD, alguns dos serviços disponíveis são:
❖ Avaliação: amazon macie e amazon inspector.
❖ Prevenção: AWS identity and access management (IAM) e aws key management
service (KMS).
❖ Monitoramento/Detecção: amazon guardduty e aws config.
[Link]. AWS - Categoria de Avaliação
O amazon macie é um serviço de segurança que usa aprendizado de máquina para
descobrir, classificar e proteger, automaticamente, dados confidenciais na AWS [aws

94
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2019a]. A Figura 3.28 apresenta um gráfico gerado a partir deste serviço sobre o
comportamento de um usuário.

Figura 3.28. Análise do comportamento do usuário [aws 2019a]

O amazon inspector é um serviço de avaliação de segurança automático que ajuda
a melhorar a segurança e a conformidade das aplicações implantadas na AWS [aws
2019b]. O amazon inspector avalia automaticamente as aplicações em busca de
exposições, vulnerabilidades ou discrepâncias em relação às melhores práticas. Após
realizar uma avaliação, o amazon inspector produz uma lista detalhada de descobertas de
segurança priorizadas de acordo com o nível de severidade. A Figura 3.29 mostra um
exemplo dessa lista. Caso o usuário selecione um dos itens que apresenta vulnerabilidade,
é exibido um detalhamento sobre ele (Figura 3.30), com a descrição da vulnerabilidade
(sujeito a ataques remotos por causa da função bergetnext) e a recomendação do
serviço para o reparo da vulnerabilidade (atualizar o sistema operacional).

95
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.29. Lista de vulnerabilidades encontradas em uma aplicação [aws 2015]

Figura 3.30. Detalhamento de uma das vulnerabilidades encontradas [aws 2015]

[Link]. AWS - Categoria de Prevenção
O serviço aws identity and access management (IAM) permite a gerência, com segurança,
do acesso aos serviços e recursos da AWS [aws 2019c]. Usando o IAM, pode-se criar e
gerenciar usuários e grupos da AWS e usar permissões para conceder e negar acesso a
recursos da AWS. A Figura 3.31 mostra um exemplo de atribuição de permissão ao
usuário testIAMuser. O serviço permite adicionar o usuário a um grupo/papel pré-
existente (ex.: administrators), copiar as permissões de um usuário existente ou
atribuir políticas de segurança existentes de forma direta ao usuário.

96
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.31. Exemplo de atribuição de permissão a um usuário [aws 2019c]

O serviço aws key management service (KMS) facilita a criação e o gerenciamento
de chaves e o controle do uso de criptografia em uma ampla variedade de serviços da
AWS e em seus aplicativos [aws 2019f]. A Figura 3.32 resume o comportamento desse
serviço [stackoverflow 2018]. Existem dois tipos de chaves KMS: chaves mestras do
cliente (CMKs) e chaves de dados (DKs). As chaves mestras do cliente nunca saem da
infraestrutura da AWS e são geradas por chamada da API CreateKey. As chaves de
dados são geradas por chamada da API GenereateDataKey que retorna uma versão
"simples" e uma versão criptografada da chave. Essa criptografia é feita usando um CMK.

Figura 3.32. Visão geral do aws key management service [stackoverflow 2018]
[Link]. AWS - Categoria de Monitoramento/Detecção
O amazon guardduty é um serviço de detecção de ameaças que monitora continuamente
atividades mal-intencionadas ou e comportamentos não autorizados para proteger suas
contas e cargas de trabalho da AWS [aws 2019d]. O serviço usa machine learning,
detecção de anomalias e inteligência integrada contra ameaças para identificar e priorizar
possíveis ameaças. A Figura 3.33 relata algumas ameaças encontradas e ordenadas por
prioridade e a Figura 3.34 detalha uma das ameaças.

97
VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.33. Ameaças detectadas [Barr 2017]

Figura 3.34. Detalhamento de uma das ameaças encontradas [Barr 2017]

98
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

O aws config é um serviço que permite acessar, auditar e avaliar as configurações dos
recursos da AWS [aws 2019e]. O aws config monitora e grava continuamente os registros
das configurações de recursos da AWS e lhe permite automatizar a avaliação das
configurações registradas com base nas configurações desejadas. A Figura 3.35
demonstra uma visão geral da tela principal (Dashboard) do serviço aws config. Nessa
tela, é possível (A) visualizar o número total de recursos que o aws config está
registrando; (B) ver os tipos de recursos que o aws config está registrando, em ordem
decrescente (por número de recursos). Caso o usuário selecione um tipo de recurso, o
serviço abre a página de inventário de recursos; (C) escolher a exibição de todos os
recursos também abre a página de inventário de recursos; (D) ver o número de regras não
compatíveis; (e) ver o número de recursos não compatíveis; (f) ver as principais regras
não compatíveis, em ordem decrescente (por número de regras); (G) escolher a exibição
de todas as regras incompatíveis abre a página de regras.

Figura 3.35. Dashboard do aws config [aws 2019e]

3.4.4. PostgreSQL
Existem algumas iniciativas de empresas e comunidades para auxiliar os usuários do
SGBD relacional e gratuito PostgreSQL a se adaptarem às leis de proteção de privacidade.
Entre as funcionalidades disponibilizadas, descreve-se neste capítulo, segundo as
categorias da LGPD:
❖ Avaliação: até a escrita deste capítulo, não foram encontradas contribuições
específicas dessa categoria.
❖ Prevenção: redação de dados e anonimização (EnterpriseDB e PostgreSQL
Anonymizer); e criptografia de dados (FUJITSU Enterprise Postgres e pgcrypto).
❖ Monitoramento/Detecção: pgAudit.
[Link]. PostgreSQL - Prevenção
Em termos de redação de dados, a empresa EnterpriseDB descreve uma forma, usando
funções, visões, papéis e esquema padrão, para realizá-la de uma maneira que somente os
usuários privilegiados consigam visualizar os dados no seu formato original [Linster
2018]. Os demais usuários, ao consultar os dados, visualizam de forma mascarada. Na
Figura 3.36 tem-se um exemplo de função para mascarar a coluna ssn da tabela de

99
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

empregado (employees). Ela substitui todos os cinco primeiros números do ssn por
‘x’. Adicionalmente, é incluído, ao final da função, o “SECURITY DEFINER” para
especificar que a função deve ser executada com os privilégios do usuário que a possui.

Figura 3.36. Função de redação ou mascaramento dos dados de ssn [Linster 2018]
Em seguida, é necessário criar uma visão da tabela de empregado (Figura 3.37)
que chame a função definida anteriormente para a coluna ssn [Linster 2018]. Existem
funções similares para as colunas de telefone (phone) e data de nascimento
(birthday).

Figura 3.37. Exemplo de visão que realiza a chamada para as funções de mascaramento [Linster
2018]
Posteriormente, os usuários comuns obtêm acesso à visão criada e os usuários
privilegiados obtêm acesso à tabela original. Além disso, o esquema padrão do papel do
usuário comum passa a ser o esquema da visão (redacteddata) e o esquema padrão
do papel do usuário privilegiado passa a ser o esquema dos dados originais
(employeedata). A indicação dos esquemas é mostrada na Figura 3.38. Finalmente,
os dados podem ser consultados pelos usuários comuns (Figura 3.39) e pelos usuários
privilegiados (Figura 3.40).

Figura 3.38. Alteração de esquema padrão para as papéis [Linster 2018]

Figura 3.39. Dados consultados por usuários comuns [Linster 2018]

100
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.40. Dados consultados por usuários privilegiados [Linster 2018]

Outra forma de redação de dados confidenciais pode ser vista na extensão
chamada postgresql anonymizer [Clochard 2018]. A Figura 3.41 mostra os dados
originais. A Figura 3.42 mostra como a extensão pode ser criada e ativada no SGBD. Em
seguida, na Figura 3.43, tem-se a criação de um papel para o usuário que verá os dados
mascarados. Na Figura 3.44 apresenta-se a declaração das regras de mascaramento, onde
o nome terá seus caracteres substituídos de forma randômica e o telefone só terá os 2
primeiros e os 2 últimos caracteres apresentados de forma real. Finalmente, na Figura
3.45, os dados são apresentados de forma mascarada.

Figura 3.41. Dados originais [Clochard 2018]

Figura 3.42. Criação e ativação da extensão PostgreSQL Anonymizer [Clochard 2018]

Figura 3.43. Criação do papel do usuário que verá os dados mascarados [Clochard 2018]

Figura 3.44. Descrição do mascaramento das colunas de nome e telefone [Clochard 2018]

Figura 3.45. Exibição de dados mascarados [Clochard 2018]

A criptografia de dados pode ser obtida através da aquisição da camada TDE
proposta pela FUJITSU Enterprise Postgres [Downey 2019]. Essa camada não demanda
alterações no SGBD e é disponibilizada de forma gratuita pela empresa. A Figura 3.46
mostra um exemplo da arquitetura com essa camada. Como pode ser visto na figura, os
dados podem ser armazenados no banco de dados e no arquivo de backup de forma
criptografada e somente os usuários autorizados que conseguem visualizar os dados
originais. A criptografia pode ocorrer em nível de tablespaces, dados de backup, log de
registro prévio de escrita (WAL), arquivos temporários e replicação de streaming.

101
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 3.46. Arquitetura da camada TDE do FUJITSU Enterprise Postgres [Downey 2019]
Além disso, o PostgreSQL 10 possui algumas opções de criptografia, na própria
camada do banco de dados, através do módulo pgcrypto, para: senha, colunas específicas,
storage (nível de sistema e de bloco), dos dados durante o tráfego de rede, autenticação
do host (cliente e servidor) por certificado e do lado do cliente [PostgreSQL 2019].
A Figura 3.47 mostra um exemplo de inserção de senha, usando as funções
crypt() e gen_salt() para senhas hashing. A primeira função faz o hashing e a
segunda prepara os parâmetros do algoritmo para ela.

Figura 3.47. Exemplo de criptografia de senha no banco de dados [stackoverflow 2013]

[Link]. PostgreSQL - Monitoramento/Detecção
A auditoria de dados pode ser implementada através do módulo pgAudit [Riggs et al
2019]. Esse módulo é gratuito e provê um log detalhado de auditoria de objeto e/ou de
sessão. Por exemplo, caso o(a) auditor(a) queira verificar qual a tabela que foi criada no
período de janela de manutenção, ele(a) pode verificar o log, que informará os detalhes
conforme demonstrado na Figura 3.48. É importante reparar que o usuário que criou a
tabela tentou mascarar a execução do comando, ao incluí-lo em uma transação, com o uso
do comando EXECUTE.

Figura 3.48. Exemplo de registro no log de auditoria [Riggs et al 2019]

Na Figura 3.49 tem-se um exemplo de como o log de auditoria pode ser habilitado
para todos os comandos DDL e de escrita (DML), descrevendo também as relações
envolvidas nos comandos DML.

Figura 3.49. Comandos para habilitar o log de auditoria [Riggs et al 2019]

102
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

3.5. Conclusão
Este minicurso apresenta uma discussão sobre a LGPD e seus princípios, bem como os
recursos disponíveis em alguns dos principais ambientes de bancos de dados existentes
que podem auxiliar os controladores de dados sensíveis a manter o ambiente de banco de
dados em conformidade com esta lei. Através das análises apresentadas no presente
capítulo, percebe-se que os recursos para controle de acesso aos dados encontrados nos
ambientes de Bancos de Dados analisados não são suficientes para contemplar os
princípios da LGPD em relação a todas as questões de privacidade. Neste sentido é
preciso também se preocupar com o sigilo, a integridade, o tempo de vida, o anonimato,
o escopo de uso pela aplicação e a separação de funções dos dados.
Como já descrito por Elmasri e Navathe (2019), o avanço rápido do uso da
tecnologia da informação (TI) na indústria, no governo e no meio acadêmico gera
questões e problemas desafiadores com relação à proteção e ao uso de informações
pessoais. Questões como quem e quais direitos à informação sobre indivíduos, para quais
finalidades, tornam-se cada vez mais importantes à medida que seguimos para um mundo
em que é tecnicamente possível conhecer quase tudo sobre qualquer um. Decidir como
projetar considerações de privacidade na tecnologia para o futuro inclui dimensões
filosóficas, legais e práticas.
Dessa forma, as organizações ainda se questionam qual o setor responsável em
sua estrutura pela implantação e manutenção da LGPD, pela multidisciplinaridade
inerente ao tema. Embora não tenha sido o foco do presente minicurso, essa questão ainda
fica em aberto para futuras discussões.

Referências
Adithe, S., Singh, S. (2018) “Comprehensive Identity and Access Management in the
Cloud”, SAPinsider, Volume 19, Issue 2, disponível em:
[Link]
and-Access-Management-in-the-Cloud, acessado em outubro de 2019.
Amazon Web Services (AWS). (2019a) “Detalhes do Amazon Macie”, disponível em:
[Link] acessado em outubro de 2019.
Amazon Web Services (AWS). (2019b) “Amazon Inspector - Guia do usuário”,
disponível em: [Link]
inspector_introduction.html, acessado em outubro de 2019.
Amazon Web Services (AWS). (2019c) “Conceitos básicos do AWS IAM”, disponível
em: [Link] acessado em outubro de 2019.
Amazon Web Services (AWS). (2019d) “Amazon GuardDuty”, disponível em:
[Link] acessado em outubro de 2019.
Amazon Web Services (AWS). (2019e) “AWS Config – Guia do desenvolvedor”,
disponível em:
[Link]
[Link], acessado em outubro de 2019.
Amazon Web Services (AWS). (2019f) “Recursos do AWS Key Management Service”,
disponível em: [Link] acessado em outubro de
2019.

103
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Amazon Web Services (AWS). (2015) “2015 Webinar Series – AWS Inspector”,
disponível em: [Link] acessado em
outubro de 2019.
Barr, J. (2017) “Amazon GuardDuty – Continuous Security Monitoring & Threat
Detection”, disponível em: [Link]
continuous-security-monitoring-threat-detection/, acessado em outubro de 2019.
Clochard, D. (2018) “Introducing PostgreSQL Anonymizer”, disponível em:
[Link]
acessado em outubro de 2019.
Dean, B. (2017) “Privacy vs. Security”, disponível em:
[Link] acessado em outubro de
2019.
Downey, P. (2019) “Providing maximum data security with minimal impact to your
business using transparent data encryption”, disponível em:
[Link] acessado
em outubro de 2019.
Elmasri, R., Navathe, S. B. (2019) “Sistemas de Banco de Dados”, 7ª edição (versão
traduzida), editora Pearson Universidades.
Feinberg, D., Heudecker, N., Adrian, M. (2018) “Magic Quadrant for Operational
Database Management Systems”, In: Gartner Research, ID: G00346575, disponível
em: [Link] acessado em outubro de 2019.
Granet, E. (2018) “Static Data Masking for Azure SQL Database and SQL Server”,
disponível em: [Link]
acessado em outubro de 2019.
Linster, M. (2018) “Creating a Data Redaction Capability to Meet GDPR Requirements
Using EDB Postgres”, disponível em: [Link]
data-redaction-capability-meet-gdpr-requirements-using-edb-postgres, acessado em
outubro de 2019.
Mahajan, G. (2019) “SQL Server Static Data Masking Example”, disponível em :
[Link]
example/, acessado em outubro de 2019.
Microsoft. (2019a) “Descoberta e classificação de dados SQL”, disponível em:
[Link]
and-classification?view=sql-server-2017, acessado em outubro de 2019.
Microsoft. (2019b) “Segurança em nível de linha’, disponível em:
[Link]
security?view=sql-server-2017, acessado em outubro de 2019.
Microsoft. (2019c) “Mascaramento de dados dinâmicos”, disponível em:
[Link]
masking?view=sql-server-ver15, acessado em outubro de 2019.
Microsoft (2019d) “Habilitar conexões criptografadas com o Mecanismo de Banco de
Dados”, disponível em: [Link]

104
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

engine/configure-windows/enable-encrypted-connections-to-the-database-
engine?view=sql-server-ver15, acessado em outubro de 2019.
Microsoft (2019e) “Criptografia de Dados Transparente (TDE)”, disponível em:
[Link]
databases/security/encryption/transparent-data-encryption?view=sql-server-ver15,
acessado em outubro de 2019.
Microsoft. (2018a) “SQL Server and Azure SQL Database GDPR Guidance”,
disponível em:
[Link]
20GDPR%20Guidance%[Link], acessado em outubro de 2019.
Microsoft. (2018b) “Autenticação no SQL Server”, disponível em:
[Link]
sql-server, acessado em outubro de 2019.
Microsoft. (2017a) “Server and Database Roles in SQL Server”, disponível em:
[Link]
database-roles-in-sql-server, acessado em outubro de 2019.
Microsoft. (2017b) “Create Database Audit Specification (Transact-SQL)”, disponível
em: [Link]
specification-transact-sql?view=sql-server-ver15, acessado em outubro de 2019.
Microsoft. (2017c) “Sempre criptografados (mecanismo de banco de dados)”, disponível
em: [Link]
databases/security/encryption/always-encrypted-database-engine?view=sql-server-
ver15, acessado em outubro de 2019.
Microsoft. (2017d) “Avaliação de Vulnerabilidades SQL”, disponível em:
[Link]
assessment?view=sql-server-ver15, acessado em outubro de 2019.
Microsoft. (2016a) “Auditoria do SQL Server (Mecanismo de Banco de Dados)”,
disponível em: [Link]
databases/security/auditing/sql-server-audit-database-engine?view=sql-server-ver15,
acessado em outubro de 2019.
Microsoft. (2016b) “Tabelas temporais”, disponível em: [Link]
br/sql/relational-databases/tables/temporal-tables?view=sql-server-ver15, acessado
em outubro de 2019.
Microsoft (2014) “SQL Server – Object Level Permissions details”, disponível em:
[Link]
fc2f1cb6, acessado em outubro de 2019.
Oracle. (2019a) “Secure Critical Data with Oracle Data Safe – Improve the Security of
Cloud Databases with a Unified Control Center for Managing Sensitive Data”, White
Paper disponível em: [Link]
[Link], acessado em outubro de 2019.
Oracle. (2019b) “Encryption and Redaction with Oracle Advanced Security”, White
Paper disponível em: [Link]
[Link], acessado em outubro de 2019.

105
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Oracle. (2019c) “Oracle Database Vault”, White Paper disponível em:

[Link] acessado em outubro
de 2019.
Oracle. (2018a) “Managing Oracle Database Encryption Keys in Oracle Cloud
Infrastructure with Oracle Key Vault”, White Paper disponível em:
[Link]
[Link], acessado em outubro de 2019.
Oracle (2018b) “Oracle Label Security”, White Paper disponível em:
[Link] acessado
em outubro de 2019.
Oracle. (2017) “Data Masking and Subsetting Guide”, disponível em:
[Link]
acessado em outubro de 2019.
PostgreSQL. (2019) “PostgreSQL 10 - Encryption Options”, disponível em:
[Link] acessado em outubro de
2019.
Rajasekharan, D. (2017) “Accelerate Your Response to the EU General Data Protection
Regulation (GDPR)”, Oracle White Paper, disponível em:
[Link]
[Link], acessado em outubro de 2019.
Riggs, S., Menon-Sem, A., Barwick, I. (2019) “pgAudit
Open Source PostgreSQL Audit Logging”, disponível em:
[Link] acessado em outubro
de 2019.
Stackoverflow. (2018) “Key Management Services”, disponível em:
[Link] acessado
em outubro de 2019.
Stackoverflow. (2013) “How do I encrypt passwords with PostgreSQL?”, disponível em:
[Link]
postgresql, acessado em outubro de 2019.
Teixeira, B., Schwabe, D., Santoro, F., Baião, F., Luiza Campos, M., Verona, L.,
Laufer, C., Barbosa, S., Lifschitz, S., Costa, R. (2019). Privacy and Transparency
within the 4IR: Two faces of the same coin. In Companion Proceedings of The 2019
World Wide Web Conference (pp. 581-593). ACM.
Tutorialspoint. (2019) “SAP GRC Tutorial – SAP GRC - Overview”, disponível em:
[Link] acessado em outubro
de 2019.

106
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Autores

Ana Carolina Brito de Almeida (Instrutora) é professora adjunta da

Universidade do Estado do Rio de Janeiro (UERJ), alocada no
Departamento de Informática e analista judiciário com especialidade em
Informática no Tribunal Regional Federal da 2ª Região (TRF2), atuando
como DBA. Realizou pós-doutorado com ênfase em Big Data na
Universidade Federal do Rio de Janeiro (UFRJ) (Out/2014 a Abr/2015).
Doutora em Informática com especialização em Tuning de BD pela Pontifícia
Universidade Católica do Rio de Janeiro (PUC-Rio) (2013). Mestre em Sistemas e
Computação pelo Instituto Militar de Engenharia (IME/RJ) (2006). Pesquisadora na área
de BD com ênfase em: (i) sistemas de (auto) sintonia de BD e (ii) ontologias. Já foi
consultora em BD e ministrou cursos na Universidade Petrobras. Detalhes em
[Link]

Letícia Dias Verona (Instrutora) possui mestrado em Informática

pela UFRJ (2018) e graduação em Ciência da Computação pela UFRJ.
Possui experiência com desenvolvimento de sistemas web, gestão de
projetos e equipes. Pesquisadora em: integração de informações
heterogêneas, análise de redes políticas e econômicas, metadados,
ontologias, modelagem conceitual, BD e web semântica. Atualmente
participa da coordenação do grupo de pesquisa de Dados Abertos,
vinculado ao grupo GRECO (PPGI/UFRJ), cursando o doutorado em Gestão de Sistemas
Complexos.
Detalhes em [Link]

Maria Luiza Machado Campos é professora no Departamento de

Ciência da Computação da UFRJ, e uma das coordenadoras do grupo de
pesquisas GRECO, atuando como pesquisadora e orientadora de
mestrado e doutorado no PPGI da mesma universidade. Possui
graduação em Engenharia Civil pela Universidade Federal do Rio
Grande do Sul (1978), mestrado em Engenharia de Sistemas e
Computação pela COPPE/UFRJ (1984) e doutorado em Information
Systems - University Of East Anglia (1993), Inglaterra. Em 2015,
realizou Pós-doutorado no Laboratory of Applied Ontology, CNRS, Italia. Foi
coordenadora do Bacharelado em Ciência da Computação e do Programa de Pós-
graduação em Informática, assim como Diretora Adjunta de Extensão do Instituto de
Matemática da UFRJ. Participou de diversos projetos de desenvolvimento, pesquisa e
extensão, assim como de numerosas orientações de trabalhos de conclusão de curso,
dissertações de mestrado e de doutorado ao longo de mais de 30 anos de carreira. Seus
principais temas de pesquisa estão associados à integração de informações heterogêneas,
abordando principalmente os seguintes temas: metadados, ontologias, modelagem
conceitual, banco de dados, data warehousing e web semântica. Detalhes em
[Link]

107
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Fernanda Araujo Baião é Professora no Departamento de Engenharia

Industrial da PUC-Rio. Seus temas de pesquisa são nas áreas de Ciência
de Dados, Modelagem Conceitual e Ontologias, Gestão de Processos de
Negócio (BPM) e Integração de Dados Distribuídos através de
Alinhamento de Ontologias, particularmente investigando a interação
entre Ciências Cognitivas e Processamento de Linguagem Natural com
BPM e Gestão de Dados, assim como o desenvolvimento de sistemas de
Alinhamento de Ontologias para apoio à Integração de Dados sobre ambientes
distribuídos de larga escala. De outubro de 2018 a Agosto de 2019 atuou como Cientista
de Dados chefe em uma iniciativa na Caixa Econômica Federal para Prevenção de
Fraudes no Programa Seguro desemprego. De 2004 a 2018 foi Professora da Universidade
Federal do Estado do Rio de Janeiro. De 2001 a 2004 atuou como post-doc na
COPPE/UFRJ, onde obteve seu título de Doutorado (2001) e de Mestrado (1997) em
Engenharia de Sistemas e Computação. No ano de 2000 foi pesquisadora visitante na
University of Wisconsin-Madison (USA). É autora de mais de 150 publicações com
revisões por pares, muitas em colaboração com pesquisadores renomados na comunidade
científica internacional resultantes da sua participação em projetos de pesquisa nacionais
e internacionais, como o Brazilian Institute of WebScience Research, financiado pelo
CNPq, e o Rise-BPM ([Link]), financiado pela União Europeia. Coordena ou já
coordenou projetos de pesquisa financiados pelo CNPq e FAPERJ. Participa e coordena
diversos comitês de programa e e de editoração de conferências e periódicos nacionais e
internacionais, como a Applied Ontology Journal, ER, BPM, dentre outras. Desenvolveu
expertise valioso em projetos de transferência de conhecimento entre a Academia e a
Indústria, e atuou como líder técnico em projetos de P&D sobre Data Science, BPM,
Arquitetura Empresarial, Gestão de Dados e Segurança da Informação, em domínios de
Exploração e Produção de Óleo e Gás, Seguros, Gestão de Serviços de TI e Predição de
Fraudes. Detalhes em [Link]

108
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Capítulo

4
Técnica de Ensino de Matemática para Alunos
com Deficiência Visual com suporte
Informatizado

Angélica Fonseca da Silva Dias, José Antonio dos Santos Borges e Júlio
Tadeu Carvalho da Silveira

Abstract
This short course aims to introduce a methodology, easy to disseminate and reproduce,
that produces better quality and comprehensiveness in the teaching of mathematics in
inclusive classes with the visually impaired students. The course introduces techniques
for writing and reading texts with mathematical and graphics content, with intensive
use of specific computational tools that enable the formation of students, at the middle
and higher levels, to meet acceptable criteria of quality and content, also favoring the
access and permanence of blind and low vision students in math-based university
careers.
Resumo
O objetivo deste minicurso é apresentar uma metodologia de fácil reprodução e
disseminação, que permite aumentar a qualidade e abrangência do ensino de
matemática em classes inclusivas com alunos com deficiência visual. O curso introduz
técnicas de escrita e leitura de textos com conteúdo e gráficos matemáticos, com uso
intensivo de ferramentas computacionais específicas que propiciam que a formação dos
alunos, tanto no nível médio quanto superior, obedeça a critérios aceitáveis de
qualidade e conteúdo, favorecendo também o acesso e permanência de estudantes
cegos e com baixa visão nas carreiras universitárias com base matemática.

ADVERTÊNCIA: para leitura e editoração correta deste texto é necessário ter

instalada a fonte SimBraille no computador.

4.1. A utilização de computadores por pessoas com deficiência visual

Desde 2006, a Sociedade Brasileira de Computação (SBC), vem patrocinando
estratégias que promovam o aumento do acesso participativo e universal do cidadão
brasileiro ao conhecimento. Reconhecendo a grande quantidade de pessoas no país que

109
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

convive com enormes diferenças sociais, financeiras, físicas e mentais, o que é levado
em conta não é somente apoiar a produção de soluções inclusivas para adaptação de
sistemas computacionais interativos para uso por pessoas com deficiência “que possam
ser generalizados para múltiplos dispositivos”, mas adequar os artefatos tecnológicos
criados a esta enorme diversidade social. (Melo, A.M., 2014)
Nos últimos anos diversas áreas do ensino para pessoas com deficiência visual no Brasil
utilizam cada vez mais sistemas computadorizados com síntese de voz para atender a
alunos com deficiência visual. Os sintetizadores vêm pré-configurados para produzir
uma fala razoavelmente precisa de textos convencionais na língua portuguesa, tanto em
termos fonéticos quanto prosódicos, permitindo uma leitura fluente e agradável
(Ferreira, 2014).
No Brasil, entre os sistemas de maior utilização está o Dosvox (NCE-2010), um sistema
composto por cerca de 100 programas que atendem a grande parte das necessidades
computacionais de uma pessoa com deficiência visual. Ele usa apenas a síntese de voz
e o teclado para permitir a comunicação completa entre o computador e o usuário que
não enxerga. Neste processo ele utiliza um estilo de comunicação muito intuitivo,
baseado no uso de menus interativos falados, que conduzem o usuário por opções que
são selecionadas através das setas do teclado ou por abreviaturas de uma única letra
(Borges, 2009), O Dosvox não tenta simplesmente sonorizar os ícones e textos
apresentados na tela, mas apresenta um diálogo sonoro facílimo de assimilar e de
interagir, mesmo quando é usado por crianças pequenas ou pessoas com variados níveis
de deficiência visual. (Dias et al 2016).

Figura 4.1 - DOSVOX

Por outro lado, esse diálogo específico tem que ser construído para cada função que
deve ser oferecida. Isso o torna, por um lado, um sistema de operação muito simples,
agradável e de rápida curva de aprendizado; por outro lado, à medida que a Informática
evolui, novos programas precisam ser construídos, o que nem sempre ocorre, tanto por
dificuldades técnicas quanto pelo esforço e recursos envolvidos.
Em direção oposta à operação simplificada do Dosvox, existem diversos programas
conhecidos por “leitores de tela” no qual o teclado é usado para escolher
interativamente e sonorizar um dos muitos elementos desenhados ou escritos na tela. A
forma mais usual de operação é caminhar entre os itens desenhados usando as setas,
caminhando sequencialmente entre os itens, ou a tecla TAB que pula para o próximo
item clicável (link, por exemplo). É possível também usar sequências predefinidas de
teclas (ou seja, teclas de atalho) que vai conduzindo o processo de leitura de lugares
específicos do display (por exemplo, a barra de ferramentas) ou controlando uma leitura
sequencial dos elementos (por exemplo, o texto de uma página da web).
Os leitores de tela mais usados no Brasil são o NVDA (produto gratuito, de origem
australiana), o Virtual Vision (brasileiro) e o Jaws (americano). Mesmo tendo teclas de
controle um pouco diferentes, comparativamente, seu uso não é muito diferente, até

110
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

porque a sequência de navegação é predefinida pelos utilitários que eles estão lendo na
tela e pelo sistema operacional.
A vantagem dos leitores de tela é que a operação é feita exatamente sobre o que está
desenhado na tela. Mas, pelo fato de que a localização é feita sem ver, o usuário precisa
ser treinado previamente em cada programa a utilizar, tendo em geral que decorar uma
quantidade enorme de informações para um uso razoável do sistema. Em outras
palavras, a curva de aprendizado é muito mais lenta, a operação é mais complexa, mas o
acesso é mais completo.
Infelizmente, tanto o Dosvox quanto os leitores de tela não vem dando um suporte
razoável para a escrita matemática a ser utilizada por cegos. A razão mais importante é
que o texto matemático tem várias características peculiares, que não obedecem às
regras de leitura e escrita usuais da língua portuguesa.
Em primeiro lugar, a escrita de matemática é tipicamente não linear, ou seja, escrevem-
se textos matemáticos com os elementos posicionados fora de uma linha única (há
índices em cima, subíndices em baixo, frações, somatórios, etc.; em segundo lugar, ela
exibe ambiguidades que exigem uma fala não coloquial, e muitas vezes peculiar. Por
exemplo, 21/2 (dois elevado a um meio) deve ser falado diferentemente de 2 1/2 (dois
inteiros e um meio). (ECS, 2015). (Dias et al, 2018).

4.2 Cegos em carreiras com base matemática (STEM1)

Observamos que, graças ao uso de tecnologia computacional, foi viabilizada a presença
de pessoas cegas em muitos cursos universitários, especialmente naqueles em que os
textos de suporte não são matemáticos, que, já vimos, não vinham, até pouco tempo,
sendo bem suportados. Infelizmente, isso não vale para as carreiras em que a
matemática é um elemento central, em que o número de pessoas cegas cursando é
próximo de zero.
Será que a razão é que o raciocínio exigido nas disciplinas aqui envolvidas é
incompatível com as restrições impostas pela cegueira? Ou seria apenas a falta de
suporte computacional adequado a causa principal de haver tão poucos estudantes cegos
em cursos das carreiras com base matemática? (Cryer, 2013)
Há exemplos que desmentem a primeira conjectura. Talvez o mais impressionante seja
o do matemático inglês Nicholas Saunderson (1682-1739), que viveu em uma época em
que não havia tecnologia de escrita para cegos. Mesmo assim, ele é considerado um dos
maiores matemáticos da história – pela Universidade de Cambridge (Reino Unido). É
importante salientar que Saunderson era o que conhecemos hoje como superdotado,
alguém capaz de formular e resolver equações matemáticas complexas mentalmente,
sem usar a escrita para auxiliar o raciocínio (ver Wikipedia).
Uma pessoa mediana, entretanto, não consegue adquirir estas facilidades de abstração e
cálculo mental senão com muitos anos de treinamento especializado. O que é
necessário então é desenvolver um ferramental diferenciado, facilmente operável por
pessoas cegas simples e até com baixa cultura, e que dê conta dos detalhes para permitir
independência no estudo. É preciso que a pessoa, possivelmente com a ajuda do
computador, seja capaz de escrever e ler textos matemáticos de mediana complexidade,
sozinha e com segurança.

1
STEM – abreviatura de science, technology, engineering and mathematics .

111
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Somente há pouco tempo é que estas soluções computacionais vêm aparecendo e

trazendo muito boas perspectivas para os alunos com deficiência visual. Através delas,
prevê-se a possibilidade de que, em pouco tempo, seja possível viabilizar a presença
bem sucedida de uma pessoa cega em classes mistas, com total proficiência de leitura e
escrita de textos envolvendo matemática de razoável complexidade.
4.3 Apresentação dos principais temas estudados neste curso
Este texto descreve as iniciativas computacionais com algumas soluções baseadas no
uso de informática para o ensino de matemática para cegos e algumas questões
relacionadas à educação inclusiva e aprendizagem colaborativa mediada por
computador, entre alunos com ou sem deficiência visual.
Começamos com um breve apanhado sobre a escrita de matemática Braille, mostrando
algumas vantagens e dificuldades deste método. Em seguida mostramos algumas
formas de produzir mecanicamente (usando impressora Braille) um texto simples em
Braille matemático, usando o Braille como forma de apresentação, constatando que
mesmo esta automatização não tem conseguido contornar as dificuldades essenciais que
esta técnica apresenta e está sujeita.
Mostramos em seguida as dificuldades existentes atualmente para que as formas usuais
de escrita matemática convencionais no computador (editores de equações e as
convenções de escrita LATEX) sejam utilizadas por pessoas cegas. Alternativamente,
descrevemos a técnica de escrita baseada numa codificação especial acessível
(AsciiMath), a leitura em síntese de voz com uma prosódia específica (SonoraMat).
Finalmente mostramos algumas questões relacionadas com a elaboração e leitura de
gráficos pelos alunos, apresentando o Geoplano e o Multiplano como elementos
importantes no aprendizado. Para operacionalização usando o computador,
apresentamos uma ferramenta computacional criada especialmente para atender às
demandas do desenho sem feedback visual (Grafivox).
Com o uso destes três mecanismos: o AsciiMath, SonoraMat e Grafivox, pretende-se
que o cursista adquira habilidades para:
 Dominar as técnicas de escrita matemática no computador, com ferramentas
simples, adotando uma escrita linear (semelhante às expressões que os
desenvolvedores de software inserem nos programas de computador, utilizando
um simples editor de textos).
 Ler sonoramente um texto matemático, escrito por qualquer pessoa (inclusive
pelo próprio aluno). Este texto é reproduzido por fala sintetizada no
computador, de forma inteligível e fluente.
 Produzir gráficos matemáticos simples, de forma interativa, que podem ser
reproduzidos em impressoras de alto-relevo, que serão facilmente “lidos” por
alunos cegos, ou em forma impressa convencional, pelos alunos que enxergam.
Em síntese, este capítulo aborda, de maneira estruturada, alguns conceitos teóricos
relacionados ao ensino de matemática para cegos, com a apresentação de técnicas
computacionais ainda pouco conhecidas, que facilitam esta atividade, e que constituem
o núcleo deste minicurso. A seção 4.4 apresenta um breve referencial teórico sobre as
técnicas tradicionais de representação e manipulação de matemática por estudantes
cegos, em particular, o Braille Matemático. A seção 4.5 apresenta brevemente dois
estilos de uso do computador, mostrando que, em ambos, são grandes as dificuldades ao
usar as técnicas de escrita de matemática que são comumente adotadas para usuários

112
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

sem cegueira. A seção 4.6 aborda o AsciiMath, uma técnica simples de linearização da
escrita matemática e o SonoraMath, complemento computacional que reproduz o texto
escrito segundo regras prosódicas peculiares. A seção 4.7 apresenta o Geoplano e o
Multiplano, ferramentas importantes para o domínio dos conceitos geométricos básicos.
A seção 4.8 mostra uma alternativa para que os cegos sejam capazes de criar
interativamente gráficos matemáticos simples no computador, o Grafivox. A Seção 4.9
contém uma breve discussão sobre os resultados alcançados com estas técnicas.
4.4 – Representação e manipulação de matemática por pessoas cegas através
do Braille
Em 1824 Louis Braille, um estudante cego construiu um sistema eficaz de escrita e
leitura autônomas para pessoas com deficiência visual. Com o advento da escrita Braille
os cegos se tornaram proprietários de um competente sistema simbólico, e encontraram
a ferramenta fundamental que lhes proporcionou uma revolução semiótica. Tal
revolução aumentou significativamente a gama dos fenômenos, corpos e objetos que
puderam então ser absorvidos para serem compartilhados com as pessoas que enxergam.
(Souza, 2017).
O Braille é um sistema de transcrição que pode ser lido por toque. Nele, os caracteres
são representados por conjuntos de seis pontos, numa matriz de 3 linhas e 2 colunas,
que são conhecidos como células (também chamadas de celas, uma corruptela do inglês
“cell”). Com 6 pontos é possível representar 63 arranjos, sem contar com o espaço, o
que é suficiente para o alfabeto e muitos outros caracteres.
Para identificar os pontos dentro da célula usam-se números de 1 a 6 como na figura
4.2:

Figura 4.2 – pontos Braille

4.4.1 Representação de caracteres em textos

Louis Braille criou um código fácil de decorar, como mostrado a seguir:
a) Ele usou os 4 pontos superiores para as letras de a até j, eliminando algumas
combinações que seriam difíceis de identificar, sendo cego. Por exemplo, ele
usou apenas o pontinho 1 para representar a letra a, mas deixou de lado a
possibilidade de usar só o pontinho 2 ou só o 4 ou só o 5, pois o leitor se
confundiria. Veja as escolhas de Braille:

113
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

b) Todas as letras até agora não usaram a linha inferior. Então Braille usou a
mesma sequência de pontos agregado ao ponto 3 para as próximas 10 letras. Em
seguida agregou os pontos 3 e 6 para as letras restantes.
K l m n o p q r s t
k l m n o p q r s t
u v x z
u v x z
Nota: o w é exceção: w pois não existia em francês naquela época.
c) Indicar maiúsculas também é simples: basta usar os pontos 4 e 6 antes da
palavra, por exemplo : .abade para representar a palavra Abade.
Duas vezes este símbolo indica uma palavra em caixa alta: ..abade
para representar a palavra ABADE.
d) Acentos: Bem... Acentos não seguem uma regra tão simples: as letras mais os
acentos são representados por códigos especiais. Pior que isso, dependendo da
língua, são diferentes. Veja na tabela 1 abaixo a relação completa de letras,
inclusive, os acentos.

Tabela 1 – códigos Braille usados no Brasil

114
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

A escrita Braille pode ser feita manualmente utilizando um dispositivo chamado

Reglete, no qual se pressiona um Punção, como visto na figura 4.3. Neste dispositivo,
se cria os pontos da direita para a esquerda, de forma que, ao virar o papel, eles estejam
com os pontos em relevo para a direita. Opcionalmente pode-se utilizar uma máquina
de escrever especial, como mostrado na figura 4.4.
A prática da escrita manual, entretanto, vai além dos objetivos deste curso.

Figura 4.3 – Reglete e Punção Figura 4.4 Máquina de escrever em Braille

4.4.3 Representação de matemática

A representação de símbolos matemáticos é simples.
a) Para representar os dígitos numéricos, usam-se as letras de a até j em Braille,
sendo o número precedido por um sinal # (pontos 3 4 5 6).
123 = #abc = #abc
b) O ponto e a vírgula decimais são hoje representados, respectivamente pelos
pontos 3 e 2.
123.000,00 = #abc,jjj,00 = #abc'jjj1jj
c) Símbolos aritméticos

+ 6 - - × 8 ÷ 4 =
7 ( < ) >
d) Representação de expressões
Esta mesma técnica, com pequenas adaptações, permite a transcrição de
expressões matemáticas que precisam ser adaptadas com um processo
algorítmico que inclui sua linearização (que pode incluir parênteses), como está
ilustrado na Figura 4.5.

Figura 4.5: Expressão matemática simples e sua conversão para Braille.

e) Frações numéricas: abaixa-se os pontos do número do dividendo

115
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2/3 #2c

Detalhe técnico:
Ao linearizar expressões é comum ter que adicionar parênteses que não existiam na
expressão original. Neste caso é conveniente usar nestes parênteses uma codificação
especial, com os pontos

( 5 ) 9

IMPORTANTE: O BRAILLE MATEMÁTICO NÃO É UNIVERSAL

Todos os símbolos matemáticos têm equivalência em Braille, mas devemos
notar que os códigos de Braille matemático usados não são universais. No
Brasil, por exemplo, adotou-se um código unificado com a Espanha e Portugal
(Anjos, 2016), o que trouxe sérias consequências, como a dificuldade em usar
a ampla literatura em Braille americano (Nemeth Code) (NBA, 1972) e a
impossibilidade de usar os vários programas para transcrição
computadorizada para matemática em Braille.

4.4.4 Um pequeno exercício usando a folhinha de treinamento

Disponibilizamos uma folha na Internet, em que os pontos Braille foram marcados
como pequenas bolinhas. Desta forma é fácil treinar usando lápis e borracha.
Baixe e imprima esta folhinha a partir da página do link:
[Link]

Figura 4.6: Folhinha de treinamento Braille

Produza na folhinha de treinamento usando um lápis para marcar os pontinhos Braille:

1+2=3
(2+4) × 3 = 12
5 ÷ 2 = 2,5

116
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

2/3
1/3 + 1/2 = 5/3

4.4.5 Impressão computadorizada de Braille

No Brasil, houve ampla disponibilização de impressoras computadorizadas de Braille
promovidas pelo MEC como parte do Plano Nacional do Livro Didático em Braille
(Borges, 2001). Foram criadas também ferramentas tecnológicas automáticas para
transcrição com rapidez e boa usabilidade, como o Braille Fácil. (ver figura 4.7).

Figura 4.7 – Programa Braille Fácil

O uso deste programa é quase trivial. Simplesmente se digita o texto na tela e

seleciona-se a opção de Arquivo/Imprimir em Braille. Naturalmente, é necessário que
ao computador esteja acoplada uma impressora Braille. O uso do programa Braille
Fácil transcende os objetivos deste curso.
Um detalhe: alguns símbolos matemáticos na forma textual diferem dos símbolos usuais
de texto simples. Para evitar discrepâncias na tradução para Braille, o programa
permite que todos os símbolos matemáticos sejam desambiguados simplesmente
precedendo-os pelo sinal de crase (`).

4.4.6 O declínio da escrita Braille

A disponibilidade das ferramentas tecnológicas ajudou a incrementar a produção de
textos em Braille, mas não impediu o declínio da utilização desta técnica no país. Este é
um fenômeno mundial, provocado pelo uso cada vez mais intenso do computador e
outros dispositivos similares associado a ferramentas de acessibilidade. Por exemplo,
nos Estados Unidos, estimava-se que na década de 1950, 40 por cento das pessoas cegas
tinha contato com o Braille. Em 2009, menos de 10 por cento das crianças cegas o
aprendia [NFB, 2009].
No Brasil, o ensino da matemática para cegos, até poucos anos atrás, vinha utilizando
como suporte a escrita Braille, que embora seja intrinsecamente unidimensional, é capaz
de prover mecanismos de manipulação de textos não lineares. Mas há uma grande
dificuldade: além do declínio do conhecimento de Braille pelos alunos, também é raro
que os professores das classes convencionais estejam habilitados para esta forma de
escrita e leitura.

117
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Desta forma, nós recomendamos a escrita matemática em Braille na escola nos

primeiros anos, em particular no ensino da matemática básica, pois essa forma de escrita
tem a tendência de gerar um contato mais íntimo com a matemática e um aumento na
abstração, na medida em que existe um consenso de que o processo de escrita Braille
favorece o contato íntimo com os símbolos o que se traduz numa relação mais íntima
com a matemática, fundamental no ensino básico. Entretanto, quando se trata de um
ensino mais avançado, que exige interação com o professor e com os colegas num nível
mais complexo, e usando textos de certo tamanho, o uso do computador é bem mais
eficiente.

4.5 – A escrita tradicional de matemática no computador e seus elementos de

inacessibilidade para cegos
Existe uma preponderância de editores de textos para literatura, mas um número muito
reduzido de ferramentas para escrita de textos matemáticos. Isso vale também quando
se trata de pessoas com deficiência visual.
A maior parte das pessoas que enxergam faz uso de duas formas de escrever
matemática:
a) usando uma codificação textual simples com marcações (conhecida como
LATEX)
b) montando as fórmulas matemáticas com suporte de um editor gráfico, usando o
mouse, com o qual se vai posicionando interativamente os símbolos num painel
na tela do computador. Um exemplo é o Equation Editor do Microsoft Word.
A escrita em LATEX é conceitualmente simples: utiliza-se um editor comum de textos,
usando os caracteres + - * / = para os símbolos aritméticos usuais. O restante dos
símbolos matemáticos e as indicações de posicionamento gráfico são representados pela
\ (barra invertida) seguida por uma palavra-chave. A figura a seguir ilustra o texto
digitado e sua representação quando o texto for impresso por um utilitário de conversão.
\[
\left(
5a + \frac{3ab^{2}}{2a^{2}-{b\over 2}}
\right) *(a^{3}+b^{3})
\]
que representa

E
Figura 4.8: Representação LAT X de uma expressão matemática
Frisamos que a escrita textual simples do LATEX pode ser executada sem dificuldade
usando qualquer editor de textos simples, em particular o Sistema Dosvox. Entretanto,
o texto escrito apresenta uma forma de escrita muito rebuscada, tornando sua leitura
árdua e sujeita a interpretações equivocadas quando realizada através de um sintetizador

118
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

de voz. Já a leitura da produção de editores gráficos de matemática não é suportada

pelo Dosvox.
A alternativa são os softwares leitores de tela, que são capazes de reproduzir o conteúdo
que está escrito na tela, dando também suporte interatividade neste conteúdo,
possivelmente usando o mouse ou o teclado. Porém, estes softwares também dão
suporte muito limitado à leitura da tela quando ela apresenta textos matemáticos e
quando se utilizam editores gráficos para matemática.
Como alternativa, Silveira et al. (2011) apresentaram um artefato tecnológico capaz de
elaborar material instrucional com símbolos matemáticos, sendo estes convertidos
automaticamente para o formato texto, que pode ser reproduzido pelos leitores de tela.
Além disso, essa ferramenta pode gerar o mesmo conteúdo no formato MathML
(formato textual, semelhante a HTML, usado pelos navegadores de internet para
apresentar visualmente textos matemáticos). No entanto, o estudo realizado sobre este
artefato mostra algumas limitações como a navegação em fórmulas extensas e a
incorporação desses componentes em um ambiente mais versátil para editoração do que
os navegadores Web.
4.6 – Alternativas de escrita e leitura de matemática por cegos: o AsciiMath
e o SonoraMat

Simplificando, existem dois problemas mais importantes para o aluno cego quando o
assunto é matemática:
1. Escrever matemática no computador, com ferramentas simples, usando uma escrita
linear (algo semelhante ao que os programadores fazem quando criam programas
convencionais em um editor de textos de linhas de comando).
2. Ler um texto matemático escrito por ele próprio ou por outras pessoas, traduzindo o
texto criado para uma fala que o representasse de forma clara.
O Dosvox era, até pouco tempo atrás, frágil quando o assunto era suporte à matemática.
Tinha algumas ferramentas específicas, como calculadora sonora e planilha
especializada, mas elas não davam suporte razoável à escrita de matemática e à
operacionalização de cálculos matemáticos mais sofisticados.

119
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 4.9 – Calculadora sonora do Dosvox

Nota: Uma importante abordagem foi criada e usada com sucesso por diversos alunos
de nível médio e superior, tendo por base o estilo de interface do Dosvox: o MatVox
(Silveira, 2010),que agrega facilidades de cálculo matemático a um editor de textos.
Porém, o problema de leitura de matemática convencional, também não foi resolvido
por esta abordagem.

Um breve exercício:
Ative a calculadora sonora do Dosvox, usando as letras UC. Coloque na memória X da
calculadora o valor 5 e depois calcule o valor da expressão: x2 + 2x + 3

4.6.1 Como um cego criaria um texto contendo expressões matemáticas no

computador?

120
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

As alternativas mais óbvias para uma pessoa cega criar matemática, portanto seriam os
formatos LaTeX, usados por 90% dos matemáticos para gerar textos científicos, ou o
MathML (que não está sendo apresentado aqui), usado pelos navegadores da web para
mostrar textos matemáticos. Infelizmente, ambos são complicados de escrever e sua
leitura usando síntese de voz, é quase ininteligível.
Uma terceira alternativa foi escolhida: o formato AsciiMath (Gray, 2007), uma forma
fácil de escrever matemática para a qual a renderização (geração do gráfico em papel) é
compatível com todos os navegadores da atualidade. Este formato é similar à escrita de
fórmulas matemáticas de linguagens de computação como Fortran ou Python, ensinadas
nos cursos STEM.
Os principais símbolos de AsciiMath são os seguintes:
+ - * / = ( ) para os símbolos matemáticos básicos
sqrt para raiz quadrada
sum para somatório
^ para representar a situação em que um símbolo sobe (por exemplo, num expoente)
_ para representar quando um símbolo desce.
Importante: o gerador de renderização gráfica elimina os parênteses que são colocados
apenas para agrupamento, por exemplo 2^(x+y) seria desenhado por 2x+y
Isso é verdade também quando representamos frações.
Por exemplo, uma equação do segundo grau: x^2 + bx + c = 0
A figura 4.10 mostra um exemplo mais completo.

Figura 4.10: Fórmula digitada em AsciiMath e renderizada

Essa solução foi integrada ao Sistema Dosvox, que, a partir de 2018, passou a editar e
imprimir fórmulas matemáticas de grande complexidade, misturadas a textos comuns,
bastando para isso que os textos em AsciiMath fossem precedidos e sucedidos por um
caractere especial (acento grave), de forma que seja fácil distinguir o que é texto e o que
é matemática. Falaremos em seguida sobre a sua impressão.

121
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Símbolos especiais de AsciiMath

AsciiMath suporta praticamente todos os símbolos matemáticos usados no ensino
superior. A tabela 2 a seguir apresenta alguns dos mais utilizados, inclusive a sua
equivalente em LATEX

Tabela 4.2 – Alguns símbolos de AsciiMath

Nota: A relação completa de símbolos pode ser encontrada em [Link]

122
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Renderizando AsciiMath
Existem alguns programas de uso público na internet capazes de renderizar textos em
AsciiMath, mas nós optamos por criar um editor bem simples, que pudesse ser utilizado
por alunos cegos e também por seus professores e colegas que enxergam para gerar
textos matemáticos com grande beleza gráfica. Este programa pode também ser
utilizado acoplado a leitores de tela.
Com o Intermat, uma pessoa qualquer consegue gerar textos matemáticos com grande
beleza quando impresso, e que apresenta acessibilidade para deficientes visuais. O
programa também aceita códigos HTML, que são simples e muito conhecidos, para
diminuir a curva de aprendizado dos estudantes, como mostrado na figura abaixo.
Nota: Repare a inclusão de marcações para destaque gráfico em HTML (h2 e h3) e o uso de
crases para indicar os trechos contendo códigos de matemática.

Figura 4.11: Um trecho de prova criado no InterMat (ou no Dosvox)

Figura 4.12: Impressão na tela ou papel através do InterMat

123
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Um breve exercício:

Instale o programa InterMat no seu computador, digite e visualize a as seguintes

expressões matemáticas:
ax2 + bx + c = 0
a1x2 + a2x + c = 0

Digite esta mesma última fórmula expandindo Delta para b2-4ac

Lendo AsciiMath num sintetizador de voz

Apesar da simplicidade e conveniência deste formato, Ainda que um cego, devidamente
orientado, possa escrever matemática com grande precisão e beleza com o AsciiMath,
ele não conseguiria ler uma fórmula razoavelmente complexa de forma fluente e
compreensível. Para isso foi desenvolvido no NCE/UFRJ o SonoraMat, uma ferramenta
de leitura e elaboração de textos matemáticos. O SonoraMat é um programa acessório
que quando executado, interage com Dosvox, Intermat e outros programas para
interpretar a fala das expressões matemáticas.
Operação:
1. execute o programa SonoraMat
2. execute o Edivox ou SonoraMat.
3. Aperte as letras ALT-H para conectar os programas ao SonoraMat. Esta
operação é feita apenas uma vez antes da primeira leitura do texto.
4. digite as expressões matemáticas precedendo-as e sucedendo-as com o sinal de
crase.
5. Use os procedimentos normais para leitura, por exemplo, usando as setas.
6. Ao final, feche o programa SonoraMat
Nota:
Todos os textos matemáticos serão interpretados automaticamente no Dosvox ao
usar as setas. No Intermat, que não é um programa tipicamente sonoro, é
preciso ativar a configuração de fala automática das linhas, e neste caso as
expressões serão faladas junto com as teclas Cima e Baixo deste editor.
Um breve exercício:
Leia em síntese de voz os resultados do exercício anterior, usando o Intramat ou o
Editor Edivox do sistema Dosvox.
Para isso, instale antes o Sonoramat no computador a partir do site:
[Link]

124
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

4.7 O Geoplano e o Multiplano

Antes de ensinar uma pessoa cega a desenhar é importante passar para ela alguns
conceitos básicos de geometria, sendo o Geoplano uma ótima ferramenta. Este objeto é
formado por uma placa de madeira onde são cravados pregos, fomando uma malha
composta por linhas e colunas dispostas de acordo com a figura a seguir:

Figura 4.13 – Geoplano e alguns desenvolvimentos

O Geoplano introduz a pessoa cega à Geometria Euclidiana, em particular ao Plano
Cartesiano. Ele pode ser utilizado para construir figuras simples, unindo os preguinhos
por elásticos, como na figura a seguir. O Geoplano também é muito útil para
desenvolver estratégias para cálculo de perímetro, área, figuras simétricas, arestas,
vértices, construção de polígonos, exploração espacial entre outros.
Exercício:
Use um geoplano para:
 Construir dois quadrados de áreas diferentes.
 Calcular a área e o perímetro de cada figura.
 Dividir os quadrados em triângulos de mesma área.
 Descobrir a área de cada triângulo encontrado.
 Construir um retângulo de área igual a 12
Provavelmente você não terá acesso a um geoplano real (embora seja muito fácil
adquirir um através da Internet). Mas você pode usar um geoplano virtual:
[Link]
Devemos finalmente, indicar que há iniciativas importantes que se apresentam como
alternativas ao Geoplano. Destacamos o Multiplano, dispositivo inventado por Rubens
Ferronato em sua tese de mestrado, e posteriormente industrializado. [Ferronato, 2002].

125
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 4.14 – O multiplano e algumas de suas peças

O Multiplano é base de uma metodologia cujos resultados são apontados como muito
efetivos em vários níveis de ensino (da pré-escola à universidade). Entretanto o estudo
desta ferramenta transcende os objetivos deste texto, especialmente pelo nosso foco no
suporte computacional ao ensino de matemática para cegos.

4.8 Criação interativa de gráficos por pessoas cegas

Em matemática, o desenho é crucial para complementar e compreender a informação
escrita. Quanto mais técnica ou complexa é a expressão matemática, mais a sua
representação gráfica se firma como uma linguagem na qual podemos expressar ideias e
conceitos de maneira concisa, clara e interessante. Até pouco tempo atrás, porém, as
tecnologias disponíveis de desenho para cegos permitiam apenas a leitura ou a escrita
indireta ou com interveniência de outros dispositivos. A verdade é que os cegos não têm
sido estimulados a desenhar os gráficos, apenas consumi-los.
Estudos demonstram que a partir de experiências com alunos cegos (Borges, 1998),
pode-se produzir, com treinamento mínimo, gráficos legíveis – para pessoas cegas ou
não. Isto, entretanto, só se viabilizou pela disponibilidade das impressoras Braille e das
máquinas fusoras, hoje presentes em centros de apoio pedagógico nas escolas e
universidades públicas.
Com a entrada de estudantes cegos em carreiras STEM, na UFRJ, tornou-se urgente
viabilizar que os alunos conseguissem produzir gráficos simples para apresentar em
seus trabalhos universitários. Para isso, foi agregado ao sistema Dosvox um utilitário
que, através de uma pequena linguagem gráfica pudesse produzir gráficos simples,
compostos por elementos básicos (linhas, curvas, funções, eixos, etc). O programa
Grafivox é capaz de reproduzir, na tela ou numa impressora em tinta ou Braille, o
desenho produzido, automaticamente escalonado e adaptado às características daqueles
equipamentos (que no caso das impressora Braille são bastante distintos, pela
baixíssima resolução que apresentam). É possível também gravar a forma gráfica
gerada em PNG ou JPG, para importação num editor de textos ou outro utilitário
qualquer.
A linguagem gráfica que foi desenvolvida, também denominada de Grafivox, foi
tornada também compatível com o sistema Intermat, possibilitando desta forma que os
textos matemáticos criados ou exibidos por aquele utilitário pudessem ter ilustrações
gráficas.

126
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

A interação do programa é trivial, e como a maior parte dos programas do Dosvox,

baseada num menu, controlado pelas setas, para escolha da função desejada: edição
(interativa ou por edição direta), visualização, impressão e configuração, como
mostrado na figura 4.15.

Figura 4.15: Opções gerais do programa Grafivox

4.8.1 A linguagem Grafivox
A figura 4.16 mostra à esquerda um pequeno programa escrito no Grafivox, e à direita,
o resultado impresso em tinta e em Braille.

Figura 4.16: Pequeno gráfico gerado no Grafivox, impresso automaticamente em

tinta e em impressora Braille.
Como se pode observar pela figura 4.16, os comandos dessa linguagem são expressos
por abreviaturas de duas letras ([Link].: RT para reta, RG para retângulo), seguidas por
coordenadas (cartesianas, polares, relativas, fórmulas ou pontos descritos a partir de
arquivos) que descrevem a forma indicada pelo comando. A lista de possibilidades está
mostrada na figura 4.17.

127
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 4.17: Comandos da linguagem Grafivox

O programa permite duas formas que podem ser usadas de forma misturada para criar o
programa. A primeira, voltada para iniciantes, é chamada de edição interativa, em que o
usuário escolhe a função com as setas (ou teclando a abreviatura), e a partir daí, se abre
um formulário para preenchimento das opções, como visto na figura 4.18. Os
comandos vão sendo acumulados na ordem em que são inseridos.

Figura 4.18: Especificação interativa dos parâmetros do comando EX (eixo X)

A segunda forma de operação é simplesmente um editor de linhas, em que o usuário
tecla os comandos já com os parâmetros. Parece difícil ter que decorar tantas
possibilidades de parâmetros, mas num desenho típico a variedade de comandos usados
é pequena, e a ordem dos parâmetros intuitiva. Em outras palavras, nossa observação
mostra que depois de poucas horas, os usuários quase não recorrem mais à opção
interativa (exceto para sanar alguma dúvida).
Exercício:
Crie na linguagem Grafivox o desenho
 de dois quadrados concêntricos, de lado 2 e 4.
 dentro do quadrado mais interno trace dois segmentos de reta unindo os vértices
não adjacentes.
 crie uma circunferência que toque nos quatro vértices do quadrado externo.
Visualize e imprima o gráfico criado na linguagem Grafivox no programa Intermat ou
diretamente através do programa Grafivox do Dosvox.

4.9 Uma breve discussão sobre a metodologia utilizada

128
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Neste texto foi apresentada a problemática de ensino e transcrição de matemática para

cegos, tanto no que se refere a textos quanto gráficos. Foram apresentadas algumas
alternativas com uso intensivo do computador, que podem ser aplicadas em diversas
modalidades, tanto presencial quanto à distância, com ou sem estratégias de
colaboração.
A base metodológica se centra no uso de um formato específico de escrita (AsciiMath),
no uso de uma ferramenta de leitura de textos matemáticos (SonoraMat) e num sistema
integrado interativo, totalmente acessível, que utiliza uma linguagem gráfica simples
(Grafivox) Os programas apresentados são uma base mínima para o desenvolvimento
acadêmico, e certamente precisam ser atualizados incessantemente ou substituídos por
outras soluções, visando atender aos requisitos crescentes de inclusão acadêmica nos
cursos que tem como base a matemática nas universidades.
É esperado que a aplicação das ideias mostradas neste texto em cursos preparatórios
para professores de nível médio e universitários possibilite a capacitação de uma massa
crítica, habilitada a utilizar e ensinar matemática com suporte tecnológico, com
resultados muito mais promissores, como os que temos observado na UFRJ. De forma
ainda mais conveniente, todos estarão usando uma tecnologia brasileira, simples, de
distribuição gratuita e compartilhada.
Temos certeza de que, com o uso amplo destas ideias, o número de alunos que poderão
ser beneficiados alcançará a marca de muitos milhares de estudantes, justificando
plenamente sua aplicação no cenário brasileiro, tão carente deste tipo de ferramentas.

Agradecimentos:
Laboratório de Aplicações e Pesquisas em Tecnologia Assistiva. Projeto com a
Chancela SBC.

Referências:
Anjos, D. Z. - Código matemático unificado: da definição às diferenças semióticas na
conversão da tinta ao Braille - Encontro Nacional de Educação Matemática –
Educação Matemática na Contemporaneidade: desafios e Possibilidades – 2016,
disponível em [Link]
Borges, J.A. Do Braille ao Dosvox – diferenças nas vidas dos cegos brasileiros – Rio de
Janeiro: UFRJ/COPPE, 2009.
Borges, J. A. e Chagas Jr, G. J. F., Impressão Braille no Brasil: o papel do Braivox,
Braille Fácil e Pintor Braille. Anais do I Simpósio Brasileiro sobre Sistema Braille,
2001.
Borges, J. A.; Borges, P. P., Matemática para alunos cegos. CIÊNCIA HOJE, v. 348, p.
1, 2018.
Borges, J. A.; Jensen, L. R. Cegos e Computador: Uma Interação que Explora o
Potencial do Desenho. In: IX Simpósio Brasileiro de Informática Educativa, 1998,
Recife. Anais do SBIE'98, 1998.
Cryer, H. Teaching STEM subjects to blind and partially sighted students: Literature
review and resources. RNIB Centre for Accessible Information, Birmingham - 2013:
Literature review #6.

129
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Dias, A. F. S.; Franca, J.B.S.; Borges, M. R. S. Silva. Tecnologia Assistiva: Um Survey

com portadores de deficiência visual em ambiente virtual de aprendizagem a partir
do Modelo TAM. In: XVIII Conferência Internacional sobre Informática na
Educação, TISE 2013, Porto Alegre
Dias, A.F.S; França, J.B.S.; Borges, J.A.S.; Silveira, J.T.C.; Carvalho. M.F.C.; Borges,
M.R.S.B. Matemática, Computação e Braille: Desafios da Pedagogia, da Semiótica e
da Síntese da Fala. CBIE – Congresso Brasileiro de Informática na Educação.
Fortaleza , CE, 2018. [Link]
Ferreira, T.A.C.S - Sistema Online de Síntese de Fala em Português – Tese de Mestrado
- Faculdade de Ciências e Tecnologia do Departamento de Engenharia Eletrotécnica
e de Computadores - Universidade de Coimbra - 2014
Ferronato, Rubens. A construção de instrumento de inclusão no ensino da matemática.
Dissertação de mestrado, UFSC, Florianópolis - SC. 2002, disponível em
[Link]
[Link]?sequence=1&isAllowed=y
Gray, James (2007), "ASCIIMathML: now everyone can type MathML", MSOR
Connections, 7 (3): 26–30.
Melo, A.M.. Acessibilidade e Inclusão Digital em Contexto Educacional. 3º Congresso
Brasileiro de Informática na Educação (CBIE 2014). 3ª Jornada de Atualização em
Informática na Educação (JAIE 2014). Dourados, MS.
NCE-UFRJ. (2010) “Projeto Dosvox”. Núcleo de Computação Eletrônica da
Universidade Federal do Rio de Janeiro. [Link]
N.F.B. (National Federation for the Blind) - The Braille Literacy Crisis in America
Facing the Truth, Reversing the Trend, Empowering the Blind; Jernigan Institute;
March 26, 2009.
Silveira, H.M.; Martini, L.C. MATVOX: um aplicativo para deficientes visuais que
proporciona a implementação de algoritmos e cálculos matemáticos em um editor de
texto. Brazilian Symposium on Computers in Education - Simpósio Brasileiro de
Informática na Educação – SBIE, Campinas – SP. 2011.
Souza, J. B. - O que vê a cegueira - A escrita Braille e sua natureza semiótica. - Ed.
UFPB –2017.

130
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Biografia Resumida dos Autores:

Angélica F. S. Dias possui Doutorado em

Informática pela Universidade Federal do Rio de
Janeiro (PPGI - 2018) com ênfase em Gestão de
Sistemas Complexos. Mestre em Sistemas de
Informação pela UFRJ. MBA em E-Business pela
COPPEAD e DBM - Inteligência e Database
Marketing/NCE/UFRJ. Aperfeiçoamento em
Gerência Avançada de Projetos/UFRJ. Graduação
em Processamento de Dados/UNESA. Foi Diretora
da Área de Extensão do Instituto Tércio
Pacitti/UFRJ, Coordenadora Acadêmica dos Cursos
de pós-graduação no NCE/UFRJ (2003-2005).
Professora Convidada pelos: Instituto de Economia,
Instituto Tércio Pacitti (NCE) e Programa de Pós-
Graduação em Informática (PPGI). Foi Professora
convidada do Coppead/UFRJ, Ministério da
Educação, IBMEC e Cecierj. Tem experiência nas
áreas de Administração Pública, Gerência de
Projetos, Ciência da Computação e Educação.
Atualmente é pesquisadora e Coordenadora de
Extensão pelo Instituto Tércio Pacitti/NCE/UFRJ.
Temas de interesse: Gestão de Conhecimento,
Trabalho e Aprendizagem Cooperativa apoiada por
computador (CSCW e CSCL), Tecnologia
Assistiva, Economia Circular com ênfase em
Sustentabilidade, Gestão Estratégica da Informação
e Educação. Artigos e capítulos de livros
publicados em conferências nacionais e
internacionais.

Lattes: [Link]

José Antonio dos Santos Borges possui graduação

em Matemática mod. Informática pela Universidade
Federal do Rio de Janeiro (1980), graduação em
Piano - Conservatório Brasileiro de Música (1977),
mestrado (1988) e doutorado em Engenharia de
Sistemas e Computação pela COPPE/UFRJ (2009).
Atualmente é Coordenador da Pós-graduação em
História das Ciências e das Técnicas e Epistemologia
da UFRJ – É analista de Tecnologia da Informação
no Instituto Tércio Pacitti da UFRJ (NCE/UFRJ),
onde trabalha desde 1975. É especialista em
Tecnologia Assistiva, tendo desenvolvido grande

131
VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

quantidade de sistemas para acesso de pessoas com

deficiência aos computadores. Atuou também em
síntese de voz, sistemas para cartografia tátil
adaptada, computação gráfica e CAD para
microeletrônica. Premiado duas vezes com a
medalha de Excelência Acadêmica do Instituto de
Matemática da UFRJ. Tem diversos artigos e
capítulos de livros publicados em conferências
nacionais e internacionais.

Lattes: [Link]

Júlio Tadeu Carvalho da Silveira possui

graduação em Informática (Bacharelado) pela
Universidade Federal do Rio de Janeiro (1990) e
mestrado em Engenharia de Sistemas e Computação
pela COPPE/UFRJ (1996). Atualmente é Técnico de
Tecnologia da Informação, no Instituto Tércio
Pacitti de Aplicações e Pesquisas
Computacionais/NCE, da Universidade Federal do
Rio de Janeiro e Professor Assistente do Centro
Universitário Carioca. Tem experiência na área de
Ciência da Computação. Atuando principalmente
nos seguintes temas: Robótica, Planejamento de
Trajetória, Trajetória Evitando Obstáculos. Tem
diversos artigos publicados em conferências
nacionais e internacionais.

Lattes: [Link]

132
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Capítulo

5
Fusão de dados para Ambientes Inteligentes

Claudio M. de Farias, Gabriel Caldas, Gabriel Costa, Luis Filipe Kopp, Bea-
triz A. Campos

Abstract

This chapter proposal is to present the main multisensor data fusion concepts and its
application on smart environments. It will be shown the main concepts about data mul-
tisensor fusion techniques, models, classification and main definitions about smart envi-
ronments, its relation to multisensor data fusion, multisensor data fusion applications to
smart environments, as well as open research opportunities for future research.

Resumo

A proposta do minicurso é apresentar os principais conceitos sobre fusão de dados e

a aplicação desse conceitos em Ambientes Inteligentes. Serão abordados os conceitos
fundamentais sobre técnicas de fusão de dados, modelos de fusão de dados, suas classi-
ficações, e as principais definições de Ambientes Inteligentes, sua relação com fusão de
dados, aplicações para fusão de dados em Ambientes Inteligentes, bem como questões em
aberto que apontem possibilidades de pesquisas futuras.

5.1. Introdução
Os recentes avanços nas tecnologias de comunicação e computação fomentaram um enorme
crescimento no número de dispositivos inteligentes disponíveis para uso [Farias et al.2016].
A integração desses objetos inteligentes na Internet originou o conceito de Internet das
Coisas (IoT - Internet of Things) [Whitmore et al.2015]. A IoT pode ser compreendida
como um mundo de objetos interligados, capazes de serem identificados, endereçados,
controlados e acessados via Internet. Esses objetos podem se comunicar uns com os ou-
tros, com outros recursos disponíveis na web, com sistemas de informação e usuários
humanos. As aplicações de IoT envolvem interações entre vários dispositivos heterogê-
neos, a maioria deles interagindo diretamente com seu ambiente físico, seja coletando
variáveis ou atuando sobre o meio. Entre essas aplicações pode-se citar o monitoramento

133
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

e sistemas de decisão presentes ambientes que vão desde: (i) pessoas e partes do corpo,
(ii) peças de equipamentos, (iii) eletrodomésticos e carros, (iv) estruturas civis de grande
porte como prédios, pontes e plataformas petrolíferas. Essas conjuntos de aplicações e
sensores criam o que se conhece como Ambiente Inteligentes [Liu et al.2019].
Novos desafios emergem neste cenário, bem como várias oportunidades a serem
exploradas. Uma dessas oportunidades refere-se extração de informação útil para os usuá-
rios finais a partir dos grandes volumes de dados produzidos por esses ambientes inteli-
gentes. Nesse contexto, são necessárias técnicas para promover a descoberta do conheci-
mento a fim de explorar plenamente o uso dos dispositivos da IoT. As técnicas de fusão
de dados [Nakamura et al.2007] tratam da associação, correlação e combinação de dados
e informações de fontes únicas e múltiplas para obter uma representação consistente e
precisa de um objeto ou ambiente do mundo real. Uma vez que os dados produzidos pe-
los ambientes inteligentes são geralmente dinâmicos e heterogêneos, torna-se importante
investigar técnicas de fusão de dados nesse contexto. O emprego dessas técnicas de fusão
de dados é útil para revelar tendências nos dados amostrados, diminuir o volume de da-
dos trafegados (e assim minimizar o consumo dos recursos), descobrir novos padrões de
variáveis monitoradas, realizar previsões, e com isso aumentar a eficácia dos processos
de tomada de decisão, reduzindo os tempos de resposta de decisões e permitindo uma
percepção mais inteligente e rápida do ambiente monitorado.
As Tecnologias da Informação e da Comunicação (TIC) desempenham um papel
vital na solução dos problemas ambientais causados pela degradação da natureza. Apesar
de serem partes do problema por também consumirem energia e serem fontes de poluição,
as TICs possuem potencial de contribuir para a redução do consumo de energia através da
otimização das operações em diversas áreas (como a geração e distribuição de energia elé-
trica, controle de tráfego, construção, controle industrial) e, consequentemente, diminuir
o desperdício [Huang et al.2018]. Dessa forma, as TICs assumem um importante papel
na busca por soluções para o crescimento sustentável e verde das nações.
Um dos campos de pesquisa relacionado ao uso das Tecnologias da Informação
e Comunicação (TICs) como provedoras de soluções para os desafios ambientais são os
espaços inteligentes (smart spaces) [Marchenkov2018]. Um espaço inteligente (ou am-
biente de computação pervasiva) pode ser caracterizado como um ambiente com diversos
dispositivos, conectados em rede, os quais possuem capacidade de processamento e sen-
soriamento e que auxiliam os usuários finais na execução de suas tarefas de forma mais
eficiente.
As redes elétricas inteligentes (smart grid) [Zame et al.2018] podem ser citadas
como um dos exemplos de ambientes inteligentes. A rede elétrica inteligente é um tipo
de rede de fornecimento e distribuição de energia elétrica (composta por subsistemas
para geração, distribuição, transmissão e consumo de energia elétrica) que utiliza as TICs
para predizer o comportamento do sistema elétrico e, em caso de problemas (como que-
das de energia), atuar (como, por exemplo, ligar sistemas de refrigeração de baterias)
[Zame et al.2018].
Há diversos trabalhos na literatura discutindo a questão dos ambientes inteli-
gentes que lidam com o aparecimento de objetos com capacidade de monitoramento,
processamento e comunicação nos últimos anos [Culman et al.2019], [Zame et al.2018],

134
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

[Santos et al.2019], [de Farias et al.2019], [dos Santos et al.2018], [de Farias et al.2018],
[Rogova and Snidaro2019] e [Jorge et al.2018]. Diante disto, aparece o cenário da Inter-
net das Coisas (Internet of Things – IoT) [dos Santos et al.2018] onde objetos podem se
conectar à Internet e prover comunicação entre usuários, dispositivos (D2D), máquinas
(M2M) e formarem novas aplicações. Recentemente, a computação de borda (Edge Com-
puting) é vista como o próximo passo dos sistemas de Internet das Coisas [Li et al.2018]
[Liu et al.2019]. A computação na borda é uma arquitetura de TIC aberta e distribuída que
apresenta poder de processamento descentralizado, capacitando tecnologias de computa-
ção móvel e Internet das Coisas (IoT). Na computação na borda, os dados são processados
pelo próprio dispositivo, computador ou servidor local, em vez de serem transmitidos para
um data center. Essa arquitetura têm se mostrado promissoras para o processo de tomada
de decisão em ambientes inteligentes [Huang et al.2018].
Nos últimos anos o campo de IoT tem observado diversas mudanças que impac-
taram o projeto e operação dessas redes. Dentre as diversas mudanças apresentadas há
o surgimento das redes de sensores compartilhadas, que ao invés de assumir um projeto
de rede tradicional específico para uma única aplicação alvo, a infraestrutura de sensoria-
mento e comunicação das redes IoT é compartilhada por múltiplas aplicações que podem
pertencer a usuários diferentes, otimizando assim a utilização de recursos. Pelo fato de
compartilhar a mesma infraestrutura de sensoriamento e comunicação por diversas aplica-
ções, esse tipo de rede passa a ser uma das mais promissoras soluções para as aplicações
voltadas para ambientes inteligentes. Há uma série de potenciais vantagens de um projeto
de rede de múltiplas aplicações, como a redução significativa nos custos de implantação
da rede por permitir que múltiplas aplicações dividam os mesmos nós e infraestrutura de
comunicação e sensoriamento, melhorando a utilização global de recursos. Porém, ape-
sar desse potencial, a adoção das redes compartilhadas apresenta novos desafios, os quais
devem ser suplantados para se usufruir plenamente de suas vantagens. Tais desafios estão
relacionados a funções básicas necessárias para a operação e a gerência das redes, como
fusão de dados, escalonamento de tarefas, integração de tarefas, segurança de rede dentre
outras, que devem ser adaptadas para esse novo ambiente compartilhado.
Com o aumento no número de aplicações dividindo uma mesma infraestrutura de
IoT, há consequentemente um aumento na quantidade de dados coletados pelos senso-
res (e por consequência um aumento no número de transmissões). A partir dos dados
obitodos pelos sensores informações úteis podem ser extraídas. Nós sensores possuam
limitações críticas de recursos (baterias removíveis, pouco poder de processamento e me-
mória), apesar disso eles podem realizar ações tais como o processamento de dados como
uma forma de solucionar o problema do aumento do número de transmissões em redes de
sensores.
Uma forma promissora de reduzir o número de transmissões na rede e, conseqüen-
temente, de reduzir o consumo de energia dos nós sensores consiste na utilização de téc-
nicas de fusão de dados [Chakraborty et al.2019]. Fusão de dados pode ser definida como
o processamento de múltiplas fontes de dados a fim de obter um único dado de saída
considerado melhor em termos de precisão ou custo [Chakraborty et al.2019]. Tradici-
onalmente, as técnicas de fusão de dados processam múltiplas fontes de dados de uma
única aplicação para gerar um único dado de saída. Entretanto, podem existir situações
nas quais algumas aplicações, que compartilham uma mesma rede IoT, demandam da-

135
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

dos que podem ser adquiridos por uma mesma unidade de sensoriamento. Por exemplo,
considere duas aplicações dentro do cenário de redes elétricas inteligentes: uma aplica-
ção de monitoramento de linhas de transmissão suspensas (MLTS) e uma aplicação de
monitoramento de baterias (MB). A aplicação de MLTS deve suspender a transmissão
de energia por uma dada linha de transmissão caso o valor de temperatura ultrapasse um
determinado limite (65 ◦ C). A aplicação de monitoramento de bateria deve suspender o
armazenamento de energia de uma bateria caso o valor da temperatura esteja acima de
144 ◦ C. Nota-se que as duas aplicações compartilhariam o sensor de temperatura (fazem
uso dos mesmos dados gerados por ele). Nessas situações, não é desejável que os dados
relativos às mesmas fontes de dados (unidades de sensoriamento) sejam coletados repeti-
damente para ambas as aplicações. Bastaria que, para uma mesma fonte de dados e para
um determinado instante de tempo, o dado fosse coletado uma única vez e armazenado
para posterior consulta e uso pelas respectivas aplicações. Entretanto, as técnicas de fusão
de dados tradicionais, quando aplicadas aos dados de uma mesma fonte destinados a múl-
tiplas aplicações, podem resultar na perda da semântica dos dados para algumas destas
aplicações. Tal perda se dá porque as aplicações possuem diferentes intervalos de dados.
Ao realizar a fusão de dados de aplicações com intervalos tão distintos para o mesmo tipo
de dados acabam-se gerando resultados em intervalos que não pertencem a nenhuma das
aplicações. Em outras palavras, a semântica dos dados é diferente em aplicações distintas
e, por isso, quando a fusão de dados é realizada com técnicas tradicionais há perda da se-
mântica das aplicações (já que os dados resultantes não estão nos intervalos de nenhuma
aplicação).
A fim de superar este desafio, a fusão de conhecimento [Dong et al.2014a] surge
como uma importante ferramenta para descobrir e limpar erros presentes nas fontes de da-
dos. Os erros podem ser cometidos no processo de extração de conhecimento das fontes.
Comparando com a fusão de dados, que visa resolver conflitos de fontes, a fusão de conhe-
cimento considera uma dimensão adicional de erros - os erros cometidos pelos extratores
de conhecimento. Entretanto, a fusão do conhecimento foi proposta para um cenário rico
em memória e processamento: a web [Preece et al.2000]. Geralmente, os dispositivos na
área de ambientes inteligentes têm restrições severas de recursos [Nakamura et al.2007],
como energia e processamento. Ainda, de acordo com o modelo de dados de Dasarathy
[Nakamura et al.2007], a fusão do conhecimento foi aplicada principalmente em cená-
rios com maiores níveis semânticos de dados (como decisões) [Nakamura et al.2007],
enquanto em ambientes inteligentes os dispositivos frequentemente produzem dados em
baixos níveis semânticos.
Portanto, o desafio consiste em criar/adaptar técnicas de fusão de dados e ou co-
nhecimento que considerem os dados coletados de uma mesma fonte e destinados a di-
ferentes aplicações realizando tantas reduções quanto possível sem que haja perda da
semântica dos dados.
Adicionalmente, a existência de um maior número de aplicações em uma rede IoT
pode possibilitar que o processo de tomada de decisão de uma aplicação influencie no
processo de tomada de decisão de outra aplicação provocando alterações no comporta-
mento das aplicações. Por exemplo, em geral uma aplicação de MTLS deve deixar que
a transmissão de energia elétrica aconteça enquanto o valor informado da temperatura
da linha de transmissão indicar que a temperatura está em um valor considerado ideal

136
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

(entre 40◦ C e 65 ◦ C). No entanto, caso o valor da temperatura esteja acima de 65 ◦ C,

a aplicação de MLTS indicará que a transmissão de energia deve ser temporariamente
interrompida. A aplicação de MLTS decide que deverá avisar a aplicação MB sobre a
interrupção da transmissão de forma que essa possa comandar o desligamento da bateria,
evitando assim que a bateria fique desnecessariamente ligada, o que pode diminuir a vida
útil da mesma. Portanto, a fim de gerir as aplicações em uma rede IoT de forma efici-
ente surge a noção de integração. A integração é definida como sendo a capacidade de
realizar a troca de informação e a colaboração entre aplicações para atingir objetivos co-
muns [Martins et al.2018]. Nesse contexto, mecanismos responsáveis pela integração de
aplicação devem ser concebidos de forma a tornar possível a realização da comunicação
entre aplicações distintas através da troca de informação (como a decisão da aplicação
de MLTS enviar alerta de interrupção de transmissão para a aplicação MB). Além disso,
esse mecanismo de integração de aplicações deve levar em consideração também que de-
cisões de aplicações consideradas mais prioritárias devem ser tratadas em primeiro lugar.
Portanto outro desafio consiste em desenvolver metodologias/mecanismos descentraliza-
dos voltados para aplicações de ambientes inteligentes que fazem uso de RSAC os quais
possibilitem integrar diferentes aplicações dentro da própria rede.
Na busca de investigar soluções para os desafios expostos, este minicurso envisi-
ona apresentar os conceitos fundamentais atrás da fusão de dados para ambientes inteli-
gentes bem como expôr seus principais desafios. Também buscar-se-á apresentar novas
técnicas de fusão de dados que busquem resolver os problemas apresentados acima.
O minicurso está organizado da seguinte forma: (i) na seção 2 serão apresentados
os conceitos fundamentais de fusão de dados; (ii) na seção 3 serão apresentados os con-
ceitos básicos e exemplos de ambientes inteligentes; (iii) na seção 4 serão apresentados
técnicas de fusão de dados que atendam às demandas dos ambientes inteligentes; (iv) na
seção 5 será apresentado o framework micropython bem como o desenvlvimento de um
caso de exemplo usando o referido framework. Por fim na seção 6 serão apresentadas
breves conclusões.

5.2. Fusão de Dados

Nesta seção serão apresentados os principais conceitos relacionados à fusão de dados.
Também serão apresentados os desafios existentes quando se utilizam técnicas de fusão
de dados. Serão apresentadas as classificações das técnicas, as técnicas mais tradicionais
e os modelos de fusão de dados.
De uma forma mais geral, a fusão de dados pode ser vista como “um processo
de múltiplos níveis que lida com a detecção, associação, correlação e estimação de dados
provenientes de múltiplos sensores” (Departamento de Defesa dos EUA 1991). No do-
mínio das IoT, técnicas de agregação de dados simples (médias aritméticas, a busca por
máximos e mínimos, dentre outras) têm sido usadas para a redução do tráfego de dados
com o intuito de reduzir o consumo de energia dos nós sensores. A agregação de dados
pode ser definida como a combinação de dados de diferentes nós fontes usando funções
triviais (i.e, máximo, mínimo, média) que realizam a supressão de mensagens redundan-
tes, e consequentemente, reduzem a quantidade de dados. A eficiência dos algoritmos de
agregação de dados depende da correlação entre os dados gerados pelas diferentes fontes

137
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

de informação [de Farias et al.2019]. A correlação pode ser espacial, quando os valores
gerados por sensores próximos são relacionados; temporal, quando as leituras de sensores
mudam lentamente ao longo do tempo; ou semântica, quando as informações de diferen-
tes pacotes de dados podem ser classificadas sob o mesmo grupo semântico, como por
exemplo os dados que são gerados por sensores colocados em uma mesma sala. Esse
aspecto favorece a eliminação de redundância (uma das metas das técnicas de agregação
de dados), mas garante também a acurácia dos dados. Isso é importante, pois a sumariza-
ção dos dados pode representar uma perda na acurácia [de Aquino et al.2018], que é um
requisito típico para muitas aplicações RSSFs. A acurácia pode ser definida como o grau
de proximidade entre a medição observada e o seu real valor esperado. Com uma corre-
lação eficiente dos dados originais é possível alcançar uma maior redução da quantidade
de dados para uma mesma acurácia dos dados agregados.
Outros dois conceitos importantes para a eficiência do mecanismo de agregação
de dados são: grau e latência [Nakamura et al.2007]. O grau de agregação é definido
como o número de pacotes agregados em um único pacote de transmissão; enquanto a
latência pode ser medida como o tempo entre os pacotes recebidos no nó sorvedouro e
os dados gerados nos nós fontes [de Farias et al.2016]. É importante que a relação entre
esses dois conceitos seja equilibrada para que haja eficiência na redução da quantidade
de dados por um lado, mas que também não haja atrasos exagerados na entrega final dos
dados, por outro lado. A fusão de dados pode ser categorizada em diversos aspectos, a
saber: relacionamento entre fontes de dados, nível de abstração e o propósito da fusão de
dados. De acordo com o relacionamento entre fontes de dados, a fusão de dados pode ser
classificada como complementar, redundante e cooperativa [Farias et al.2016]:

• Complementar: Quando a informação provida pelas fontes representa pedaços de

um cenário maior, a fusão pode ser aplicada para obter informações mais completas
a cerca do cenário. A fusão complementar busca a completude, formando uma nova
informação através da composição de diversas outras (como sensores que verificam
a presença de pessoas em quatro cantos diferentes de um aposento e ao fundir essa
informação temos a visão completa do aposento).
• Redundante: Se duas ou mais fontes independentes proveem o mesmo pedaço de
informação, estes pedaços podem ser fundidos para aumentar a confiabilidade da
informação. A fusão de redundância pode ser usada para aumentar a confiabilidade,
precisão e credibilidade da informação. Em RSSF, a fusão de redundâncias pode
prover informação de alta qualidade e prevenir nós sensores de transmitirem dados
iguais (vários sensores de temperatura avaliando a temperatura de uma caldeira
industrial).
• Cooperativo: Duas fontes são cooperativas quando a informação provida por elas
é fundida em uma nova informação (normalmente mais complexa do que a origi-
nal), que do ponto de vista da aplicação representa melhor a realidade (um sensor
de temperatura e um sensor de fumaça combinando informações para detectar um
incêndio).

Quanto ao nível de abstração, [Nakamura et al.2007] a fusão de dados pode ser

classificada em quatro níveis:

138
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

• Sinal (signal): lida com sinais uni ou multi-dimensionais vindos dos sensores (em
geral dados brutos vindos dos sensores). Pode ser usado em aplicações de tempo
real ou como um passo intermediário entre fusões.

• Pixel: usado em imagens que podem ser utilizadas em tarefas de processamento de

multimídia.

• Característica (feature): lida com características (ou atributos) extraídas de sinais

(como, por exemplo, a temperatura de uma sala) e imagens, como forma e veloci-
dade.

• Símbolo (symbol): neste tipo de fusão, a informação é um símbolo que representa

uma decisão (como por exemplo, há um símbolo indicando a ação acionar alarme
em caso de incêndio), e portanto, esse tipo de fusão também é conhecida como
fusão de decisões.

De acordo com o nível de abstração dos dados manipulados, a fusão da informação

também pode ser classificada em 4 categorias:

• Fusão de baixo nível: Também conhecida como fusão em nível de sinal. Dados
sem processamento são usados como entrada da fusão, combinados em novos dados
mais precisos que os originais (aqui se enquadram os dados extraídos das unidades
de sensoriamento, como voltagem, amperagem ou campo eletromagnético).

• Fusão de nível médio: atributos ou características de uma entidade (como a forma,

textura e posição) são fundidos para a obtenção de um mapa de características que
pode ser útil em outras tarefas. Este tipo de fusão também é conhecida como fusão
de atributos (dados de temperatura e campo eletromagnético para encontrar danos
em linhas de transmissão).

• Fusão de alto nível: decisões ou representações simbólicas são usadas como entrada
e são combinadas para obter uma decisão mais confiável ou com uma visão mais
ampla do cenário (por exemplo, a decisão de que uma linha de transmissão está
danificada e a decisão de que a bateria está danificada gerando a decisão de usar
outra linha de transmissão de energia elétrica).

• Fusão de múltiplos níveis: acontece quando a fusão de dados utiliza dados de di-
ferentes níveis de abstração (por exemplo, quando dados de decisão são fundidos
com dados do tipo característica, como um dado vindo de um sensor de presença,
indicando que não há pessoas na sala, combinado com uma decisão de aquecimento
ao realizar a fusão pode concluir que nenhuma ação deve ser dada).

Dasarathy [Martins et al.2018] apresenta outra bem-conhecida classificação para

fusão de dados que leva em consideração a abstração dos dados de entrada e saída.O
modelo Dasarathy identifica 5 categorias:

139
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

• Data In–Data Out (DAI-DAO): Nessa classe, a fusão de dados lida com dados em
nível de sinale o resultado também em nível de sinal, possivelmente mais preciso
ou confiável.
• Data In–Feature Out (DAI-FEO): Nessa classe, a fusão de dados usa dados brutos
como entrada para extrair atributos ou características que descrevem uma atividade
como saída.
• Feature In–Feature Out (FEI-FEO): nessa classe, a fusão de dados trabalha sobre
um conjunto de características para melhorar ou refinar uma característica ou atri-
buto, ou para extrair novos.
• Feature In–Decision Out (FEI-DEO): nessa classe, a fusão de dados usa uma série
de características de uma entidade gerando uma representação simbólica ou uma
decisão.
• Decision In–Decision Out (DEI-DEO): nessa classe, decisões podem ser fundidas
de forma a obter novas decisões ou dar ênfase a decisões anteriores.

Ainda outra forma de classificação é baseada no propósito dos métodos de fusão,

ou seja, que tipo de informação busca-se extrair dos dados coletados [Nakamura et al.2007].
De acordo com esse critério a fusão de dados pode ser realizada com diferentes objetivos
como inferência, estimação, classificação, agregação e compressão.
Métodos de inferência, estimação e classificação são muitas vezes aplicados em
fusões de decisão. Nesse caso, uma decisão é tomada baseada no conhecimento da si-
tuação percebida. A inferência se refere a transição de uma proposição provavelmente
verdadeira, a qual a veracidade é creditada como resultado de uma inferência anterior.
Métodos clássicos de inferência são a Inferência Bayesiana [de Farias et al.2019] e a teo-
ria da acumulação de crenças de Dempster-Shafer [de Farias et al.2017].
Métodos de compressão e agregação são usados apenas para redução do volume
de dados. A agregação é usada para resolver os problemas de implosão e Overlapping.
No primeiro, os dados sensoriados são duplicados na rede devido a alguma estratégia de
roteamento. O overlapping acontece quando dois nós diferentes disseminam os mesmos
dados. Os métodos de compressão não são métodos de fusão de dados propriamente ditos,
uma vez que eles apenas consideram as estratégias de codificação dos dados. O código
de Huffman se enquadra nos métodos de compressão de dados.

5.3. Ambientes Inteligentes e a Internet das Coisas

Conforme apresentado na seção 5.1, um espaço inteligente (ou ambiente de computa-
ção pervasiva - smart space) pode ser caracterizado como um ambiente com diversos
dispositivos, conectados em rede, os quais possuem capacidade de processamento e sen-
soriamento e que auxiliam os usuários finais na execução de suas tarefas de forma mais
eficiente.
Diversos ambientes inteligente surgiram recentemente de forma a gerar mais con-
forto e/ou segurança para os usuários. A questão ao se trabalhar com ambientes inteligen-
tes é que ambientes distintos possuem requisitos distintos em termos de suas aplicações.

140
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Claramente há uma disparidade na importância entre uma aplicação de controle de tem-

peratura e um sistema de alarme de incêndio. Ou ainda entre um sistema de controle
cardíaco de pacientes em um hospital e o controle de iluminação. Ainda uma mesma
aplicação pode possuir requisitos diferentes em ambientes distintos. O controle de refri-
geração é menos importante em uma casa do que é um hospital.
O termo edifício inteligente (Smart Building) segundo [Liu et al.2019] é definido
como edifícios equipados com dispositivos inteligentes instalados de forma a minimizar
o consumo de energia e sem comprometer o conforto e a segurança do usuário. Portanto,
um passo importante rumo a um estilo de vida mais sustentável é melhorar a eficiência
energética dos edifícios. Embora os avanços recentes no campo da ciência dos materiais
tenham conseguido reduzir o consumo diretamente na estrutura dos edifícios, ainda exis-
tem problemas a serem superados [Marchenkov2018]. Um deles relaciona-se a grande
quantidade de energia que continua sendo consumida por diversos equipamentos, tais
como os aparelhos de controle de temperatura e de iluminação, tanto em edifícios resi-
denciais como comerciais.
Aplicações para edifícios inteligentes mais comumente encontradas na literatura
[de Farias et al.2019] [Whitmore et al.2015] incluem: aplicações de controle de aqueci-
mento, ventilação e sistemas de ar condicionado (HVAC); aplicação de iluminação; apli-
cação de sombreamento; aplicação de qualidade do ar e controle de janelas; aplicações de
desligamento de dispositivos; aplicações domésticas (por exemplo, televisores, máquinas
de lavar); aplicações de segurança (controle de acesso) e segurança de dispositivos. Tais
aplicações muitas vezes fazem uso do mesmo tipo de dado ambiental, como luz, vibração,
temperatura, presença, químicos (como fumaça ou gases) e voltagem.
No contexto de smart building, recentemente, foram apresentadas na literatura no-
vas propostas, [de Farias et al.2017] [de Farias et al.2019] [Caldas et al.2015] propondo
soluções de controle e monitoramento que fazem uso de RSSF. No contexto de smart grid
não existem soluções de monitoramento devido ao seu alto custo [Gungor et al. 2009].
Nesses ambientes smart grid a instalação e manutenção de cabos de comunicação são
procedimentos custosos e por isso que os sistemas de monitoramento cabeados não são
amplamente utilizados atualmente. Portanto, há uma necessidade urgente por sistemas
de monitoramento e diagnóstico sem fio de baixo custo que melhorem a confiabilidade e
a eficiência do sistema através da melhora do gerenciamento dos sistemas de geração e
transmissão de energia.
O sistema de monitoramento da integridade da estrutura (SHM, do inglês Struc-
tural Health Monitoring) permite prever danos (fraturas) e, conseqüentemente, antecipar
consertos evitando acidentes. Em aplicações construídas para esse fim, os dispositivos
de sensoriamento são usados para capturar medidas relacionadas à própria estrutura bem
como os eventos externos que afetam a estrutura monitorada e enviar tais medidas para
uma entidade centralizada de coleta de dados. A tomada de decisão do SHM quanto a
existência de dano é feito de forma centralizada e é efetuada nessa entidade. Normal-
mente, o monitoramento de estruturas (SHM) é efetuado utilizando-se sensores analógi-
cos cabeados. Entretanto, ao transferir parte do processo de decisão quanto a existência de
um dano ou quanto ao mau funcionamento de um dispositivo para dentro dos sensores se
obtêm um SHM inteligente. Esse SHM inteligente faz uso de mecanismos descentraliza-

141
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

dos capazes de detectar e predizer danos (fraturas) ou mal funcionamento de dispositivos

de forma precisa e confiável dentro da própria rede . Ao empregar SHM inteligente por
exemplo em estruturas ou dispositivos ligados a uma usina eólica inserida no contexto de
smart grid permite que tais sistemas gerem energia de forma mais confiável e economi-
camente eficaz.
O termo Rede elétrica inteligente (Smart Grid) segundo [de Farias et al.2018] é
definida como sendo uma rede transmissão bidirecional (do gerador para o consumidor
e vice-versa) de eletricidade que faz uso das TICs nos sistemas de geração, transmissão,
distribuição e uso final de energia com o intuito de melhorar a eficiência, confiabilidade e
segurança da geração e fornecimento de energia. Uma vantagem adicional do smart grid
é que a geração de energia pode ser feita através do uso de energias renováveis e não-
poluentes como a energia solar e a energia eólica. A transmissão ser bidirecional implica
que será possível conhecer em tempo real a condição de fios, cabos, transformadores e o
consumo até de dispositivos específicos instalados em fábricas, escritórios ou domicílios.
Com isso será possível controlar esses dispositivos e usar tarifas que variem de acordo
com a carga do sistema, hora do dia ou estação para incentivar a conservação de energia,
reduzindo seu uso não econômico em horas de demanda máxima.
De acordo com os estudos realizados pela EPRI (Eletric Power Rsearch Institute)
[Whitmore et al.2015], a rede elétrica inteligente irá gerar uma redução de emissão de
gases que varia de 60 a 211 milhões de toneladas de CO2 nos Estado Unidos até 2030. A
comunicação dentro da rede elétrica pode ser feita através fibras ópticas e via tecnologias
que usam fios elétricos de média e baixa voltagem como canais para comunicação IP.
Outra aplicação que vêm ganhando destaque é a aplicação de Fazendas Inteligen-
tes [Culman et al.2017]. Estas são fazendas controladas por sensores e ajudam os agri-
cultores em melhorar o desempenho das colheitas e/ou rebanho. Tipicamente, aplicações
para fazendas Inteligentes incluem sensores para a medição de umidade do solo, controle
de temperatura, irrigação, avaliação da evapotranspiração dos ambientes.
Nas fazendas Inteligentes [Culman et al.2019] [de Farias et al.2017] atuais diver-
sos algoritmos de predição tentam predizer como os fatores edafoclimáticos (do clima e do
solo) podem interferir na produção e alterar decisões de irrigação e insumos com base ne-
les. Alguns algoritmos fazem uso de lógica fuzzy como no trabalho de [Culman et al.2019]
que modela as variáveis ambientais como variáveis fuzzy e tenta alterar em tempo real o
comportamento dos sistemas de irrigação.
Em [de Farias et al.2017] os autores usam uma técnica de fusão de dados entre
os dados de sistemas metereológicos e dos sensores na fazenda de forma a controlar a
irrigação. Neste trabalho usou-se um modelo de fusão de dados baseado em teoria de
crença no qual conforme os dados metereológicos acertavam ou erravam, ajustavam os
pesos de suas informações na decisão de irrigação.
Há ainda o conceito de estufas inteligentes (smart greenhouses) que tentam retirar
as complexidades impostas pelas intempéries do ambiente através do total isolamento
das culturas plantadas em estufas controladas através de sensores [de Farias et al.2017].
Nesse tempo de ambiente o controle de temperatura bem como o controle de iluminação
são extremamente importantes.

142
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Hospitais Inteligentes [Hassan et al.2019] são hospitais monitorados por sensores

e câmeras que tentam monitorar as condições dos pacientes e das instalações dos hos-
pitais. Várias aplicações são similares à das casas inteligentes. Entretanto há diversas
aplicações distintas como a verificação de infecções e contaminação de ambientes. Sen-
sores químicos são muito importantes. Ainda dentro deste contexto o uso de sensores
multimídia como câmeras é deveras importante para a predição de quedas de pacientes e
monitoramento de movimentação.
Uma segunda categoria de aplicações de hospitais inteligentes diz respeito ao mo-
nitoramento dos sinais vitais dos pacientes através das redes de sensores corporais (do
inglês body sensor networks). O monitoramento de sinais vitais é extremamente com-
plexo e muito suscetível a falsos alarmes. Os falsos alarmes são alarmes para a equipe
do hospital sem que haja uma emergência ocorrendo. Esses falsos alarmes levam ao pro-
blema da fadiga de alerta no qual as equipes deixam de responder aos alarmes de uma
rede corporal pensando ser um falso alarme. Sendo assim técnicas de fusão de dados para
esse ambiente específico devem buscar reduzir os falsos alarmes tanto quanto possível.
Há ainda aplicações militares fazendo uso de fusão de dados para a verificação de
saúde de soldados em tempo real. Além disso o uso de fusão de dados para a navegação
em veículos autônomos [Blasch et al.2018].
Como pode ser observado cada ambiente possui particularidades que devem e de-
safios que devem ser tratados com extremo cuidado. Na próxima seção serão apresentadas
diversas técnicas que buscam resolver esses desafios ainda que parcialmente.

5.4. Domínios de Aplicação de Fusão de Dados em Ambientes Inteligentes

Nesta seção serão apresentados diversas técnicas de fusão de dados usadas em cenários
apresentados na seção 5.3.
Conforme dito na seção 5.2 as técnicas de fusão de dados podem ser organizadas
de acordo com as saídas dos métodos. Uma técnica a nível de característica famosa é
o filtro de média móvel. O Filtro de média móvel é um método amplamente usado no
processamento de sinais digitais por ser simples e capaz de reduzir o ruído do sinal. O
filtro computa a média aritmética de um número de sinais de entrada para produzir cada
ponto do sinal de saída. Dado um sinal z = (z(1), z(2), ...), o verdadeiro sinal x = (x(1),
x(2), ...) é estimado por:

1 M−1
x(k) = z(k − i), ∀k ≥ M, (1)
N ∑i=0

Onde M é o tamanho da janela de fusão, z = z(1),z(2), z(3) . . . são os dados de

entrada e x = x(1), x(2), x(3) . . . são os dados estimados pelo método.
A janela de fusão é o parâmetro mais importante para essa equação uma vez que
M é usado para a detecção de qualquer mudança no nível do sinal; quanto maior o valor
de M, mais claro será o sinal.
Apesar de fácil compreensão e baixa complexidade, o filtro de média móvel lida
apenas com medições em nível de sinal e característica, mas não consegue lidar com

143
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

níveis semânticos mais altos, como decisões.

No filtro de média móvel, todos os dados possuem o mesmo peso. Em um ambi-
ente com múltiplas aplicações, algumas medidas podem ser mais importantes para uma
determinada aplicação do que para outra aplicação. Por exemplo, uma aplicação de detec-
ção de incêndio é mais importante do que uma aplicação de AVAC e valores de tempera-
tura mais altos são mais importantes para a detecção de incêndio do que para a aplicação
de AVAC. Um valor de temperatura de 50 C possui pouco valor para a aplicação de AVAC,
uma vez que o intervalo de operação desta aplicação não considera valores de tempera-
tura tão altos, entretanto é um ótimo indicativo de incêndio. Se todas as medidas forem
consideradas da mesma forma, pode-se encontrar um resultado que não reflete o ambiente
sensoriado corretamente, um resultado tendencioso.
No Filtro de média móvel aperfeiçoado, há a necessidade de avaliar determinada
medida considerando uma aplicação alvo. De forma a tornar essa abordagem possível,
pode-se modificar a abordagem tradicional para a apresentada na equação 10:

1 M−1 M−1
x(k) = ∑i=0
µz(k − i), ∀k ≥ M, µ > 0, N = ∑i=0 µ (4)
N

Onde M é o tamanho da janela de fusão, z = z(1),z(2), z(3) . . . são os dados de

entrada, x = x(1), x(2), x(3) . . . são os dados estimados pelo método, µ é o peso dado
baseado na importância da aplicação e N é a soma de todos os pesos . Um especialista de
domínio deve escolher os pesos apropriadamente.
Um outro trabalho já usa o conceito de distribuir pesos diferentes no filtro de
média móvel. O EWMA (Exponentially weighted moving average), uma variante do
filtro de média móvel apresentada em [Farias et al.2016], distribui pesos para os dados
de cada sensor como forma de melhor avaliar o ambiente. Nossa proposta é diferente do
EWMA uma vez que ao invés de distribuir pesos para os dados de diferentes sensores,
assume-se que todos os sensores são capazes de monitorar o mesmo tipo de informação
(temperatura por exemplo), mas a relevância dessa informação variará de acordo com os
requisitos de cada aplicação que for utilizá-la.
Entretanto dentro dos ambientes inteligentes as técnicas de fusão de dados a nível
de decisões possuem ainda mais destaque uma vez que evitam que os dados coletados
precisem sair da rede. Entretanto essas técnicas devem ser capazes de ser implementadas
em sensores.
Uma das técnicas de fusão de dados mais utilizadas a nível de decisão é a Inferên-
cia Bayesisana (muitas vezes chamada de Naive Bayes). A inferência bayesiana utiliza
uma combinação de evidências de acordo com certas regras de probabilidades. O grau de
incerteza é representado por probabilidades condicionais como mostrado na equação 1:

P(X | Y ) P(Y )
P(Y | X) = (1)
P(X)

Onde Pr(Y | X) representa a probabilidade de que a hipótese Y seja verdadeira

dada a informação X. Essa probabilidade é obtida através da multiplicação de Pr(Y), a

144
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

probabilidade anterior da hipótese Y, por Pr(X| Y), a probabilidade de que X seja verda-
deiro dado que Y seja verdadeiro; Pr(X) pode ser considerada uma constante normaliza-
dora. O maior problema da Inferência Bayesiana é que as probabilidades Pr(X) e Pr(X|Y)
devem ser conhecidas a priori sem nenhuma garantia dos valores reais. Não há testes
com dados reais para garantir que as probabilidades representem cenários reais. Apesar
disso, a Inferência Bayesiana é usada no cenário de IoT devido à sua simplicidade e baixo
consumo de recursos.
Para estender os métodos probabilísticos, tais como a Inferência Bayesiana, uma
abordagem recursiva é proposta neste trabalho. Na Inferência Bayesiana aprimorada
(equação 8), a expressão BI(Y | X) representa a crença de que a aplicação Y terá um deter-
minado comportamento dado o resultado da aplicação X. Por exemplo, sempre que uma
aplicação de detecção de incêndio detecta um incêndio em potencial, a aplicação de AVAC
será desligada, uma vez que quando um determinado limiar de temperatura é encontrado,
e esse limiar representa a ocorrência de um incêndio, não há necessidade de manter a
aplicação de AVAC (que tem como objetivo prover conforto aos ocupantes do edifício)
em operação. Nesse momento, todos os dados de temperatura providos pelos sensores
serão relevantes somente para a aplicação de detecção de incêndio. [Farias et al.2014]:

BI(B | A) BI(A)
BI(A | B) = (2)
BI(B)

os termos BI(A) e BI(B) são inferências bayesianas que consideram o conjunto de

estados de cada aplicação separadamente.
Entretanto essa extensão ainda sofre com a limitação da Inferência Baeysiana tra-
dicional: as probabilidades devem ser conhecidas a priori, ou sejam antes do início da
operação do sistema de decisão [Farias et al.2014].
Esse método é baseado na teoria de acumulação de crença de Dempster-Shafer,
que é uma teoria introduzida por Dempster-Shafer (DEMPSTER E SHAFER 1974), e
generaliza a teoria bayesiana. Dempster-Shafer lida com crenças ou funções de massa
da mesma forma que a teoria Bayesiana lida com probabilidades. A teoria de probabili-
dades provê um formalismo que pode ser usado para a representação de conhecimentos
incompletos, combinação de evidências e atualização de crenças.
Um conceito fundamental no sistema de inferência de Dempster-Shafer é o quadro
de discernimento, que é definido como segue. Seja Θ = {θ1 , θ2 , ..., θN } o conjunto de
todos os estados possíveis que descrevem o sistema, dado que θ é exaustivo e mutuamente
exclusivo, no sentido em que o sistema está em apenas um dado estado θi , onde 1 ≤ i ≤
N. O intervalo 1 até N é chamado de quadro de discernimento porque seus elementos são
usados para discernir os estados do sistema.
Os elementos do conjunto 2Θ são chamados de hipóteses. Na teoria de Dempster-
Shafer, baseado na evidência E, uma probabilidade é relacionada para cada hipótese H ∈
2Θ , de acordo com a função de massa m : 2Θ → [0, 1] que satisfaz as condições abaixo:

/ =0
m(0) (3)

145
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

m(H) ≥ 0, ∀H ∈ 2Θ (4)

∑ m(H) = 1 (5)
H∈2Θ

O grau de crença de uma hipótese é definido pela função bel(H) como visto em
seguida bel : 2Θ → [0, 1] sobre Θ como:

bel(H) = ∑ m(A), (6)

A⊆H

/ = 0, e bel(Θ) = 1.
onde bel(0)
A partir da crença podemos calcular dois outros graus de pertencimento: dúvida
(dou) e plausibilidade (pl) como mostrado nas equações 4 e 5:
O grau de dúvida em H pode ser expressado de forma intuitiva em termos da
função de crença bel : 2Θ → [0, 1] como:

dou(H) = bel(¬H) = ∑ m(A). (7)

A⊆¬H

Para expressar a plausibilidade de cada hipótese, a função pl : 2Θ → [0, 1] sobre Θ

é definido como:

pl(H) = 1 − dou(H) = ∑ m(A) (8)

A∩H=0/

A plausibilidade intuitivamente diz que quanto menor a dúvida na hipótese H,

mais plausível é.
Dessa forma, para combinar o efeito de dois conjuntos de probabilidades (m1 e
m2) sobre uma mesma hipótese, a teoria de Dempster-Shafer define a seguinte regra de
combinação satisfazendo m1 ⊕ m2 (0)
/ = 0:

∑ m1 (X)m2 (Y )
X∩Y =H
m1 ⊕ m2 (H) = (9)
1− ∑ m1 (X)m2 (Y )
X∩Y =0/

Na inferência de Dempster-Shafer, probabilidades não são associadas as hipóteses

a priori. Ao invés disso, probabilidades são associadas somente quando a informação de
suporte está disponível, ou seja, quando há dados coletados para serem avaliados. Por
outro lado, a inferência de Dempster-Shafer é totalmente dependente dos dados coletados,
o que significa que ser houver poucos dados coletados o resultado pode ser impreciso ou
tendencioso. Para superar esse problema deve-se analisar quantos dados de entrada são
necessários para cada aplicação.

146
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Escolher entra a inferência Bayesiana e Dempster-Shafer não é uma decisão tri-

vial, uma vez que há uma troca entre a acurácia da inferência Bayesiana e a flexibilidade
trazida por Dempster-Shafer [Nakamura et al.2007]. Em um cenário não estático (como
o das RSAC), a acurácia da Inferência Bayesiana é reduzida devido as mudanças no am-
biente. Nesse caso, a flexibilidade trazida pela inferência de Dempster-Shafer passa a ser
interessante, uma vez que a função de crença se adaptará aos novos dados enquanto as
probabilidades da inferência Bayesiana se mantêm estáticas [Suganuma et al.2018].
O método Dempster-Shafer foi aperfeiçoado, pois é uma variante dos métodos
probabilísticos que não necessita conhecer as probabilidades dos eventos a priori, con-
forme apresentado no capítulo 5.2. No Dempster-Shafer aperfeiçoado, cada aplicação
terá seu próprio conjunto de hipóteses. Nessa abordagem, a função belief representará a
crença que uma aplicação Y apresentará um determinado comportamento dado o resul-
tado de outra aplicação X. Nesse contexto, H é o conjunto de estados que representam o
comportamento de uma aplicação. Assim deriva- se a equação 9:

∑ DS1 (X)DS2 (Y )
X∩Y =H
m1 ⊕ m2 (H) = (10)
1− ∑ DS1 (X)DS2 (Y )
X∩Y =0/

Onde DS1 e DS2 são inferências Dempster-Shafer sobre as condições das apli-
cações isoladas e o numerador da equação representa a crença de que as duas aplicações
estarão em um dado estado simultaneamente.
Considerando o exemplo da ocorrência de um incêndio, X é uma aplicação de
detecção de incêndio e Y é uma aplicação de AVAC. O numerador da equação 9 repre-
senta o grau de dúvida que aparece quando DS1 infere sobre um estado da aplicação, por
exemplo que em uma dada condição de temperatura deve haver uma alerta de incêndio,
DS2 indicará que na mesma condição de temperatura, a aplicação Y irá desligar o ar-
condicionado. Não há necessidade da aplicação de AVAC permanecer ativa durante um
incêndio, uma vez que o uso de um sistema de ventilação aumentaria os riscos de pro-
blemas na fiação elétrica que poderiam aumentar o incêndio. Isto é importante pois será
possível evitar o desperdício de recursos através da eliminação de estados repetidos de
duas ou mais aplicações. O denominador significa a plausabilidade dessa hipótese.
Uma outra família de técnicas que surgiu om o intuito de lidar com as incertezas
sobre os dados coletados é a lógica subjetiva. Lógica Subjetiva (LS) é um tipo de lógica
que utiliza probabilidade para calcular o grau de certeza ou crença em determinado indi-
víduo ou na ocorrência de um evento. A ideia é que para a ocorrência de um dado evento,
em que não é possível estimar ao certo sua probabilidade de ocorrência, seja adicionado
um valor de incerteza [Jøsang2001].
A LS trabalha utilizando quatro parâmetros, e são eles [Jøsang et al.2006]: belief
(b, crença)e disbelief (d, descrença), que são influenciados por eventos passados prove-
nientes do indivíduo, sendo estes eventos positivos e negativos, onde eventos positivos
aumentam a crença e vice-versa; uncertainty (u) (incerteza), grau de incerteza (ou igno-
rância) que se possui acerca de um evento, este parâmetro diminui conforme o número de
observações do indivíduo aumenta; α ou a, pode ser considerado como a confiança inicial

147
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

que se pode ter sobre um novo nó da rede ou como a probabilidade real de acontecimento
de um evento, caso este valor seja conhecido.

ωxA = (b, d, u, a) (11)

Juntos, os quatro parâmetros formam a opinião de um indivíduo em outro. A ex-

pressão presente em 11 denota a opinião de um indivíduo A acerca de x [Jøsang et al.2006].
As propriedades dos parâmetros estão presentes nas equações 12 e 13. Note que, para o
maior grau possível de incerteza, u = 1, os valores de b e d são zero e pode-se dizer que
é o estado de completa ignorância acerca da ocorrência de um determinado evento. Em
contra partida, para o menor grau possível de incerteza sobre um evento (u = 0), diz-se
que a opinião sobre este é dogmática e pode obter este valor após infinitas observações
[Jøsang et al.2006].

b, d, u, a ∈ [0, 1] (12)

b+d +u = 1 (13)

Para calcular os parâmetros b, d e u são utilizadas as fórmulas presentes em 14.

Onde p corresponde ao número de eventos positivos gerados por um indivíduo e n o
número de eventos negativos gerados pelo mesmo indivíduo. Em 14, k é uma constante,
com valor geralmente 1 ou 2 que determina o quão rápido a crença no elemento avaliado
é construída [?].

p n k
b= ,d = ,u = . (14)
p+n+k p+n+k p+n+k

É possível ilustrar a a utilização da LS através de dois nós A e B, que se relacionem

de alguma forma. No exemplo, A possui uma opinião acerca de B. Com valores fictícios,
esta opinião pode ser expressa pela equação wAB = (0.24, 0.43, 0.34, 0.5). Neste caso,
b = 0.24, d = 0.43, u = 0.34 e a = 0.5. O espaço de opinião de A com relação a B pode
ser mapeado no interior de um triângulo equilátero, onde b, d e u identificam a posição da
opinião no espaço [Jøsang et al.2006], como mostra a Figura 5.1.
Caso existam, para um mesmo evento, duas opiniões diferentes, o operador de
‘consenso’ tem por objetivo calcular um acordo entre as duas opiniões [Jøsang et al.2006].
Para tal, supõe-se que A e B possuem cada um, uma opinião acerca de x, onde es-
tas opiniões são: ωxA = (bAx , dxA , uAx , aAx ) e ωxB = (bBx , dxB , uBx , aBx ). Segundo [Jøsang2016,
Jøsang et al.2006] o calculo do consenso entre duas opiniões se divide em dois casos, e
são descritos como as equações 15 e 5.4. A equação 5.4 também pode ser utilizada nos
casos em que uma das opiniões é dogmática [Martinsson2005]. Uma demonstração grá-
fica do consenso aplicado é demonstrada na Figura 5.2, onde ele é aplicado em para a
junção de duas opiniões distintas.

148
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 5.1. Espaço de opinião de wAB [Jøsang et al.2006].

Caso I: uAx + uBx − uAx uBx 6= 0:

bAx uBx + bBx uAx dxA uBx + dxB uAx uBx uAx aAx + aBx
bAB = , d AB
= , uAB
= , aAB
= .
uAx + uBx − uAx uBx uAx + uBx − uAx uBx uAx + uBx − uAx uBx 2
(15)
Caso II: uAx + uBx − uAx uBx = 0:

bAB = γxA bAx + γxB bBx , d AB = γxA dxA + γxB dxB , uAB = 0, aAB = γxA aAx + γxB aBx .

Onde:
uBx
γxA = limuBx →0,uAx →0 uA +u B.
x x
uAx
γxB = limuBx →0,uAx →0 uA +u B. (16)
x x

Os trabalhos recentes de [de Andrade Campos et al.2019] e [de Andrade Campos et al.]
utilizaram a lógica sujetiva para detecção de anomalias. Nesse trabalhos os autores colo-
caram pesos nos canais de comunicação que eram modificados conforme as decisões se
provavam corretas ou não. Dessa forma canais de comunicação pouco confiáveis podiam
ser ignorados.
Finalmente, a fusão de conhecimento [Dong et al.2014a] surge como uma impor-
tante ferramenta para descobrir e limpar erros presentes nas fontes de dados. Os erros
podem ser cometidos no processo de extração de conhecimento das fontes. Comparando
com a fusão de dados, que visa resolver conflitos de fontes, a fusão de conhecimento
considera uma dimensão adicional de erros - os erros cometidos pelos extratores de co-
nhecimento. Entretanto, a fusão do conhecimento foi proposta para um cenário rico
em recursos (memória e processamento): a web [Dong et al.2014a] [Dong et al.2014b]
[Oliveira et al.2019]. Geralmente, os dispositivos na área de ambientes inteligentes têm

149
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 5.2. Representação gráfica do consenso entre duas opiniões.

restrições severas de recursos [Nakamura et al.2007], como energia e processamento.

Ainda, de acordo com o modelo de dados de Dasarathy [Nakamura et al.2007], a fusão
do conhecimento foi aplicada principalmente em cenários com maiores níveis semânticos
de dados (como decisões) [Nakamura et al.2007], enquanto em ambientes inteligentes os
dispositivos frequentemente produzem dados em baixos níveis semânticos (como dados
brutos).
Recentemente, o termo Ai on Edge (Artifical Intelligence) passou a ser um dos
mais requisitados em ambientes inteligentes e significa o uso de técnicas de aprendizado
de máquina e/ou de Inteligência Artificial nas bordas das redes IoT. Vale destacar que
apesar das redes neurais serem opções naturais neste tipo de aplicação há outras opções
viáveis como redes neurais sem peso [Cardoso et al.2018] que são mais rápidas e conso-
mem menos recursos do que as redes neurais tradicionais.
Outro ponto relevante é que as técnicas apresentadas podem fazer parte de técnicas
mais complexas. Por exemplo nos trabalhos de [de Farias et al.2016] [de Farias et al.2019]
[de Farias et al.2018] [de Farias and Pirmez2017] os autores buscam diferenciar eventos
dentro de massas de dados para só então aplicar técnicas de fusão de dados. Ou seja
pode haver momentos em que as técnicas apresentadas sejam somente mais uma etapa do
sistema de decisão.

5.5. Construindo um sistema de decisão simples usando Fusão de Dados e

Micropython
Nesta seção será apresentado como construir uma aplicação que faça uso de fusão de
dados. Usar-se-á como domínio de aplicação um edifício inteligente. Como ambiente de
desenvolvimento será usado o framework Micropython [Norris2016].
A ideia é implementar um filtro de média móvel bem simples que possa ser utili-
zado para controlar uma aplicação de controle de ventilação. A implementação do algo-
ritmo para esta solução foi dada em Micropython – uma implementação do software da
linguagem de programação baseada em Python, escrita em C, otimizada para microcon-

150
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

troladores.
O MicroPython é uma implementação enxuta e eficiente da linguagem de progra-
mação Python 3 que inclui um pequeno subconjunto da biblioteca padrão do Python e é
otimizada para ser executada em microcontroladores e em ambientes restritos.

Figura 5.3. Hello world!

O MicroPython é um compilador e um tempo de execução completos do Python

que são executados no bare-metal. Você recebe um prompt interativo (o REPL) para
executar comandos imediatamente, com a capacidade de executar e importar scripts do
sistema de arquivos interno. O REPL possui histórico, preenchimento de guias, modo de
recuo automático e colar para uma ótima experiência do usuário.
O MicroPython se esforça para ser o mais compatível possível com o Python nor-
mal (conhecido como CPython), de modo que, se você conhece Python, já conhece o
MicroPython. Por outro lado, quanto mais você aprende sobre o MicroPython, melhor
você se torna no Python. Bibliotecas tradicionais do Python como a biblioteca Math já
possuem versões equivalentes para Micropython. Recentemente a biblioteca de cálculos
matriciais Numpy teve uma implementação feita para Micropython.

Figura 5.4. Operações Matemáticas

Além de implementar uma seleção das principais bibliotecas Python, o MicroPython

inclui módulos como "máquina"para acessar hardware de baixo nível. Dessa forma com
o Micropython é possível acessar dados de sensores não inclusos com a placa bem como
extrair informações do hardware das placas.
Pode-se simular o funcionamento de uma placa usando um simulador online atra-
vés da página [Link] Nela pode-se ver um emaulador da placa
pyboard (placa desenvolvida pelo projeto micropython) em pleno funcionamento. Diver-
sos algoritmos e exemplos estão presentes para estudo.
Há uma IDE (Integrated Development Environment) chamada upycraft que per-
mite o desenvolvimento em micropython bem como automatiza o processo de instalação
de drivers e afins. Tendo disponibilidade para Windows, Linux e MacOSX a IDE é uma
opção que facilita o desenvolvimento de aplicações em micropython.

151
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 5.5. Trabalhando com a máquina

Figura 5.6. Emulador Pyboard

Com a finalidade de conseguir executar os casos de teste foi preciso um microcon-

trolador para compilar e executar o código construído a partir do algoritmo. O microcon-
trolador utilizado foi o ESP8266 (da plataforma NodeMCU), muito utilizado para desen-
volvimentos IoT e difundido pela facilidade na sua utilização e instalação. A ESP8266
(Figura 5.9) possui um processador ESP8266-12E, que pode operar em 80MHz/160MHz,
4Mb de memória flash, 64Kb para instruções e 96Kb para dados.
Para o desenvolvimento do algoritmo do filtro de média móvel escolheu-se o uso
de sensores DHT que medem a temperatura do ambiente. A ideia seria replicar o com-
portamento de um sistema de controle de ventilação. O ideal seria permanecer entre 18 e
23 graus. Portanto o sistema deveria ler algumas medidas de temperatura para encher a
janela de fusão, realizar o filtro de média móvel, e se a temperatura estiver fora da faixa
de conforto acionar o sistema de ventilação.
O algoritmo pode ser visto na Figura 5.8. Note que não necessariamente este
é o modo mais eficiente de implementação mas para critérios didáticos o algoritmo é
suficiente para demonstrar o quão simples é fazer um sistema com Micropython.

152
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 5.7. Interface do upycraft

Figura 5.8. NodeMCU: ESP8266 microcontrolador

5.6. Conclusões
Nesta seção serão apresentadas as considerações finais referentes aos assuntos abordados,
realizando uma retrospectiva das principais questões discutidas e ressaltando os benefícios
trazidos pelas fusão de dados para Ambientes Inteligentes.
Conforme pode ser observado diversas aplicações de ambientes inteligentes pos-
suem requisitos em relação ao tempo de resposta das aplicações. Nesses casos o tempo
necessário para coleta e processamento fora da rede pode ser maior do que o requerido
pela aplicação. Não somente esse fato mas conforme as redes IoT se popularizam au-
menta o número de aplicações que compartilham a mesma infraestrutura. Com isso além
do aumento do número de mensagens na rede e do maior consumo de energia há a possi-
bilidade de conflito entre diferentes aplicações em um mesmo ambiente.
Apesar da fusão de dados aparecer como uma das possíveis soluções para os de-
safios apresentados, as técnicas tradicionais não são adequadas para lidar com os múl-
tiplos requisitos dessas múltiplas aplicações presentes nos ambientes inteligentes. Sur-

153
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

Figura 5.9. Algoritmo do Filtro em Micropython

giram diversas novas técnicas capazes de lidar com esse desafio [de Farias et al.2019]
[Caldas et al.2015] [de Farias et al.2018] [de Andrade Campos et al.] [de Farias et al.2016]
[Farias et al.2016] [Farias et al.2014].
Embora tenham havido esforços ainda existem muitos desafios em aberto na área
como: (i) fusão em Streams de dados, (ii) técnicas de fusão que lidam com os dados
de múltiplas aplicações simultaneamente, (iii) mineração de dados, (iv) Sensoriamento
Participativo, (v) predição de dados, (vi) Ai on Edge e (vii) fusão de dados com fontes
heterogêneas, tanto no nível de dispositivo quanto no nível de aplicações.

Referências
[Blasch et al.2018] Blasch, E., Boril, J., Smrz, V., and Leuchter, J. (2018). Pilot interface
considerations using high level information fusion. In 2018 IEEE Aerospace Confe-
rence, pages 1–8. IEEE.
[Caldas et al.2015] Caldas, G., de Farias, C. M., Pirmez, L., and Delicato, F. C. (2015).
S-leach: A leach extension for shared sensor networks. In Proceedings of the Interna-
tional Conference on Wireless Networks (ICWN), page 121. The Steering Committee
of The World Congress in Computer Science, Computer . . . .
[Cardoso et al.2018] Cardoso, D. O., Gama, J., and França, F. (2018). Weightless neu-
ral modeling for mining data streams. SERIES IN MACHINE PERCEPTION AND
ARTIFICIAL INTELLIGENCE, 83(1):26–43.
[Chakraborty et al.2019] Chakraborty, I., Chakraborty, A., and Das, P. (2019). Sensor
selection and data fusion approach for iot applications. In Recent Developments in
Machine Learning and Data Analytics, pages 17–33. Springer.
[Culman et al.2019] Culman, M., de Farias, C. M., Bayona, C., and Cruz, J. D. C. (2019).
Using agrometeorological data to assist irrigation management in oil palm crops: A

154
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

decision support method and results from crop model simulation. Agricultural water
management, 213:1047–1062.
[Culman et al.2017] Culman, M., Portocarrero, J. M., Guerrero, C. D., Bayona, C., Tor-
res, J. L., and de Farias, C. M. (2017). Palmnet: An open-source wireless sensor
network for oil palm plantations. In 2017 IEEE 14th International Conference on
Networking, Sensing and Control (ICNSC), pages 783–788. IEEE.
[de Andrade Campos et al.] de Andrade Campos, B., de Farias, C. M., and
da Costa Carmo, L. F. R. Using trusted networks to detect anomaly nodes in inter-
net of things. In Proceedings of the 22nd International Conference on Information
Fusion (FUSION 2019), volume 1.
[de Andrade Campos et al.2019] de Andrade Campos, B., de Farias, C. M., and
da Costa Carmo, L. F. R. (2019). Utilização de redes de confiança para detecção
de anomalias em rssf. In IV Workshop sobre Regulação, Avaliação da Conformidade,
Testes e Padrões de Segurança 2018, volume 1. Galoá.
[de Aquino et al.2018] de Aquino, G. R. C., de Farias, C. M., and Pirmez, L. (2018).
Data quality assessment and enhancement on social and sensor data. In BiDu-Posters@
VLDB.
[de Farias et al.2016] de Farias, C. M., Li, W., Delicato, F. C., Pirmez, L., Pires, P. F.,
and Zomaya, A. Y. (2016). Seraph: Service allocation algorithm for the execution
of multiple applications in heterogeneous shared sensor and actuator networks. In
Management of Cyber Physical Objects in the Future Internet of Things, pages 93–
113. Springer.
[de Farias and Pirmez2017] de Farias, C. M. and Pirmez, L. (2017). A multisensor data
fusion technique for multiapplication wireless sensor networks based on overlapping
intervals. In 2017 IEEE 15th Intl Conf on Dependable, Autonomic and Secure Com-
puting, 15th Intl Conf on Pervasive Intelligence and Computing, 3rd Intl Conf on
Big Data Intelligence and Computing and Cyber Science and Technology Congress
(DASC/PiCom/DataCom/CyberSciTech), pages 804–811. IEEE.
[de Farias et al.2018] de Farias, C. M., Pirmez, L., and Delicato, F. C. (2018). Den-
sity based multisensor data fusion for multiapplication wireless sensor networks.
In 2018 IEEE 16th Intl Conf on Dependable, Autonomic and Secure Computing,
16th Intl Conf on Pervasive Intelligence and Computing, 4th Intl Conf on Big
Data Intelligence and Computing and Cyber Science and Technology Congress
(DASC/PiCom/DataCom/CyberSciTech), pages 814–821. IEEE.
[de Farias et al.2017] de Farias, C. M., Pirmez, L., Delicato, F. C., Pires, P. F., Li, W., Zo-
maya, A. Y., de LF Jorge, E. N., and Juarez-Ramirez, R. (2017). Grown: A control and
decision system for smart greenhouses using wireless sensor networks. In Proceedings
of the Australasian Computer Science Week Multiconference, page 48. ACM.
[de Farias et al.2019] de Farias, C. M., Pirmez, L., Fortino, G., and Guerrieri, A. (2019).
A multi-sensor data fusion technique using data correlations among multiple applica-
tions. Future Generation Computer Systems, 92:109–118.

155
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

[Dong et al.2014a] Dong, X., Gabrilovich, E., Heitz, G., Horn, W., Lao, N., Murphy,
K., Strohmann, T., Sun, S., and Zhang, W. (2014a). Knowledge vault: A web-scale
approach to probabilistic knowledge fusion. In Proceedings of the 20th ACM SIGKDD
international conference on Knowledge discovery and data mining, pages 601–610.
ACM.

[Dong et al.2014b] Dong, X. L., Gabrilovich, E., Heitz, G., Horn, W., Murphy, K., Sun,
S., and Zhang, W. (2014b). From data fusion to knowledge fusion. Proceedings of the
VLDB Endowment, 7(10):881–892.

[dos Santos et al.2018] dos Santos, I. L., Costa, G. M. d. O., de Farias, C. M., Pirmez,
L., Delicato, F. C., and Diego, M. d. A. (2018). A holistic approach to challenges in
industry 4.0. In Anais da V Escola Regional de Sistemas de Informação do Rio de
Janeiro, pages 24–29. SBC.

[Farias et al.2014] Farias, C., Pirmez, L., Delicato, F., Carmo, L., Li, W., Zomaya, A. Y.,
and de Souza, J. N. (2014). Multisensor data fusion in shared sensor and actuator
networks. In 17th International Conference on Information Fusion (FUSION), pages
1–8. IEEE.

[Farias et al.2016] Farias, C. M. D., Li, W., Delicato, F. C., Pirmez, L., Zomaya, A. Y.,
Pires, P. F., and Souza, J. N. D. (2016). A systematic review of shared sensor networks.
ACM Computing Surveys (CSUR), 48(4):51.

[Hassan et al.2019] Hassan, M. K., El Desouky, A. I., Elghamrawy, S. M., and Sarhan,
A. M. (2019). Big data challenges and opportunities in healthcare informatics and
smart hospitals. In Security in Smart Cities: Models, Applications, and Challenges,
pages 3–26. Springer.

[Huang et al.2018] Huang, J., Liu, Z., Duan, Q., Atiquzzaman, M., Jo, M., and Haas, Z. J.
(2018). Green computing and communications for smart portable devices. Wireless
Communications and Mobile Computing, 2018.

[Jorge et al.2018] Jorge, E. N. d. L. F., de Farias, C. M., dos Santos, I. L., and
de Souza Pereira, M. S. (2018). An analysis of the network of rural producers in
the state of rio de janeiro. In BiDu-Posters@ VLDB.

[Jøsang2001] Jøsang, A. (2001). A logic for uncertain probabilities. International Jour-

nal of Uncertainty, Fuzziness and Knowledge-Based Systems, 9(03):279–311.

[Jøsang2016] Jøsang, A. (2016). Subjective Logic: A formalism for reasoning under

uncertainty. Springer Publishing Company, Incorporated.

[Jøsang et al.2006] Jøsang, A., Hayward, R., and Pope, S. (2006). Trust network analy-
sis with subjective logic. In Proceedings of the 29th Australasian Computer Science
Conference-Volume 48, pages 85–94. Australian Computer Society, Inc.

[Li et al.2018] Li, H., Ota, K., and Dong, M. (2018). Learning iot in edge: Deep learning
for the internet of things with edge computing. IEEE Network, 32(1):96–101.

156
 VI Escola Regional de Sistemas de Informação. ISBN: 978-85-7669-488-5

[Liu et al.2019] Liu, Y., Yang, C., Jiang, L., Xie, S., and Zhang, Y. (2019). Intelligent
edge computing for iot-based energy management in smart cities. IEEE Network,
33(2):111–117.

[Marchenkov2018] Marchenkov, S. (2018). Infrastructure multi-layer model for smart

spaces middleware development. In Proceedings of the 22st Conference of Open Inno-
vations Association FRUCT, page 51. FRUCT Oy.

[Martins et al.2018] Martins, G., de Farias, C. M., and Pirmez, L. (2018). Athena: A
knowledge fusion algorithm for the internet of things. In Proceedings of the 14th
ACM International Symposium on QoS and Security for Wireless and Mobile Networks,
pages 92–99. ACM.

[Martinsson2005] Martinsson, H. (2005). An evaluation of subjective logic for trust mo-

delling in information fusion.

[Nakamura et al.2007] Nakamura, E. F., Loureiro, A. A., and Frery, A. C. (2007). In-
formation fusion for wireless sensor networks: Methods, models, and classifications.
ACM Computing Surveys (CSUR), 39(3):9.

[Norris2016] Norris, D. (2016). Python for Microcontrollers: Getting Started with Mi-
croPython. Mcgraw-hill Education-Europe.

[Oliveira et al.2019] Oliveira, J., Farias, C. M., Pacitti, E., and Fortino, G. (2019). Big
Social Data and Urban Computing. Springer.

[Preece et al.2000] Preece, A., Hui, K., Gray, A., Marti, P., Bench-Capon, T., Jones, D.,
and Cui, Z. (2000). The kraft architecture for knowledge fusion and transformation. In
Research and Development in Intelligent Systems XVI, pages 23–38. Springer.

[Rogova and Snidaro2019] Rogova, G. L. and Snidaro, L. (2019). Quality, context, and
information fusion. In Information Quality in Information Fusion and Decision Ma-
king, pages 219–242. Springer.

[Santos et al.2019] Santos, I. L., Pirmez, L., Delicato, F. C., Oliveira, G. M., Farias,
C. M., Khan, S. U., and Zomaya, A. Y. (2019). Zeus: A resource allocation algorithm
for the cloud of sensors. Future Generation Computer Systems, 92:564–581.

[Suganuma et al.2018] Suganuma, T., Oide, T., Kitagami, S., Sugawara, K., and Shira-
tori, N. (2018). Multiagent-based flexible edge computing architecture for iot. IEEE
Network, 32(1):16–23.

[Whitmore et al.2015] Whitmore, A., Agarwal, A., and Da Xu, L. (2015). The internet of
things—a survey of topics and trends. Information Systems Frontiers, 17(2):261–274.

[Zame et al.2018] Zame, K. K., Brehm, C. A., Nitica, A. T., Richard, C. L., and Schweit-
zer III, G. D. (2018). Smart grid and energy storage: Policy recommendations. Re-
newable and Sustainable Energy Reviews, 82:1646–1654.

157