Filogenia de textos

Resumo

A redistribuição de conteúdo através da Internet, por meios legais ou ilegais, tem atraído atenção nos últimos anos em campos como ciência forense, proteção de direitos autorais, segurança e monitoramento de redes sociais. Muitas vezes, os objetos digitais envolvidos neste processo passam por um cadeia evolutiva, em que diferentes versões de um documento original surgem, criando dependências que podem ser representadas por um grafo acíclico orientado, que é conhecido na área como árvore filogenética de documentos, análoga às usadas em estudos de evolução, na Biologia. Através da análise da topologia de árvores deste tipo, é possível descobrir pistas sobre malfeitores, ou compreender como certo tipo de informação se propaga através da rede. Portanto, a reconstrução de árvores filogenéticas associadas à multimídia se apresenta como um problema importante, com grande capacidade de geração de valor e benefícios para a sociedade. A sub-área de pesquisa que estuda este problema é conhecida como Filogenia Multimídia e mostra avanço significativo em alguns tipos de mídia, como imagens e vídeo. Em ensaios preliminares, realizados pelo próprio candidato, foram obtidos resultados promissores em outro tipo particular de mídia, pouco explorado: documentos de texto. Neste projeto, propomos expandir o estudo da filogenia de textos, utilizando conjuntos de teste sintéticos e reais, visando aprimorar as etapas do processo de reconstrução que se mostraram mais desafiadoras nos primeiros estudos.