• Inserido demais datasets:
• 2 sujos: iTunes-Amazon, Walmart-Amazon
• 2 estruturados: Fodors-Zagats, iTunes-Amazon dados IC

1. Houve uma limpeza dos dados, pois erros eram gerados
2. Para cada par de dataset, ex.: iTunes-Amazon, selecionamos 2 atributos mais representativos de cada e identicos, assim para o iTunes selecionamos 2 atributos e para a Amazon 2 atributos;
3. Foi realizado o produto cartesiano entre as 2 tabelas para formar o conjunto iTunes-Amazon através de um script
4. Foi executado os testes no DeepMatcher e no Ditto

• preparar exemplo similar os deepmatcher sobre diry, structured, textual, descrição do produto (descrição computador)

• usa tabelas

• figura 1 colocar em portugues

• mostrar tupla t1 e t2 (dirty, structured, textual) com erro de digitação

• FIGURA 1 em portugues

• t1 e t2 normal
• criar t1.1 e t2.1 com erros

• LSTM lida com memoria;

trabalhar no resumo do relatorio. Pegar na introdução os ultimos paragrafos

cada frase do resumo é um paragrafo da introdução. Qual o problem? Pq imoprtate? o que de ruim pode acarretar? Pq dificil para resolver? Limitçõe dos trabalhos anteriores, limites textuais (o nosso) e indicativo dos resultados.

Artigo cientifico para o ERI citar no relatorio.

Introdução paragrafo por paragrafo para gerar resumo.

escrever e declara o termo especifico (descrver o termo)

Escrever seção 3 - olhar artigos pra usar como base

descrever dataset (mais tempo), metricas (F1), ambiente

e 4 do artigo

AMBIENTE (menor que resultados)************************************************** => tabela 1 A tabela 1 apresenta alguns datasets que foram utilizados para para a realização dos experimentos, o atributo ''tipo'' se refere ao tipo de dados de entrada, assim para o tipo estruturados há cinco datasets, para textual há 1 dataset e para sujos há 2 datasets.

Os datasets estruturados (descrever datasets)

-> descrever de onde veio o dataset (olhar git deepmatcher)

O atributo rotulado se refere a quantidade de dados rotulado (descrever)

atributo atributo (comentar)

=> metricas (descrever brevemente) Para mensurar o desempenho dos modelos do \textit{Ditto} e modelos de sumarização do \textit{DeepMatcher}, se usa o F1 que representa a acurácia em todos os modelos treinados para a identificação de menções de entidades e é obtido a partir da precisão e do recall. A precisão é definida como o verdadeiro positivo dividido pela soma do falso e verdadeiro positivo, $P = VP/(FP+VP)$, ela representa as correspondências corretas. Já o recall é obtido pelo verdadeiro positivo dividido pela soma do falso negativo e verdadeiro positivo, $R = VP/(VP+FN)$, ele representa as correspondências identificadas corretamente pelo modelo. Por fim o F1 é dado por $2PR/(P + R)$ \cite{doan2018DeepMatcher,12doan2020Ditto}.

=> tabela 2

• definir Ei
• descrever porcentagem de erros, a quantidade, atibutos (pq tal atributo? mais representativo)

=> mais

• citar pacotes e onde foram baixados
• padronização do ambiente de execução
• comentar sobre colab

RESULTADOS ************************************************** => comentar sobre tempo (qual mais rapido e mais lento e pq) => comparação delta

• descrver brevemente as tabelas
• um paragrafo pra cada tabela
• definir delta (original -e)
• pq ditto é melhor?

• um para artigo;
• um para relatorio;
• um para tcc;