Ciência da Computação

O sistema de conteúdo útil da Pesquisa Google traz uma forma para garantir que as pessoas vejam conteúdo original e útil escrito por pessoas, para pessoas, nos resultados de pesquisa. Esse é um de múltiplos avanços no buscador, envolvendo modelos de aprendizado de máquina e processamento de linguagem natural (NLP) para oferecer resultados de busca mais precisos. Existem modelos de auditoria de páginas da web que levantam diferentes métricas para avaliar a experiência do usuário dessas páginas mas são pouco eficientes em medir a relevância do conteúdo, sem conseguir apontar quais os itens que devem ser melhorados para atender os novos requisitos de conteúdo útil da Pesquisa Google. Este trabalho possui como objetivo aproveitar um modelo de NLP pré-treinado, como o BERT, para classificar a qualidade de conteúdo de páginas da web, implementando-o em uma aplicação web de fácil acessibilidade por criadores de conteúdo, complementando as métricas existentes de performance e usabilidade já geradas por ferramentas conhecidas. Para isso, o modelo BERT será aprimorado utilizando um dataset previamente analisado, para obter um melhor resultado. Após o desenvolvimento da web app e incorporação do modelo, uma pesquisa de experiência da aplicação com o público alvo será realizada para levantar sua efetividade.