Use este identificador para citar ou linkar para este item:
http://www.monografias.ufop.br/handle/35400000/8344
Registro completo de metadados
Campo Dublin Core | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Sousa, Alexandre Magno de | pt_BR |
dc.contributor.author | Linhares, Luisa Laura | - |
dc.date.accessioned | 2025-09-18T21:38:06Z | - |
dc.date.available | 2025-09-18T21:38:06Z | - |
dc.date.issued | 2025 | pt_BR |
dc.identifier.citation | LINHARES, Luisa Laura. Media Tracker: sistema inteligente de acompanhamento de séries e filmes com busca potencializada por LLMs. 2025. 120 f. Monografia (Graduação em Engenharia de Computação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2025. | pt_BR |
dc.identifier.uri | http://www.monografias.ufop.br/handle/35400000/8344 | - |
dc.description.abstract | O crescimento acelerado do mercado de streaming trouxe novas possibilidades de consumo de conteúdo audiovisual, mas também desafios relacionados à organização e à descoberta de filmes e séries diante de catálogos cada vez mais extensos. Nesse contexto, este trabalho apresenta o desenvolvimento do Media Tracker, uma plataforma web inteligente voltada ao gerenciamento de mídias assistidas e à realização de buscas avançadas com apoio de Inteligência Artificial. O objetivo principal é unificar, em um único ambiente, funcionalidades que permitam ao usuário organizar seu histórico de visualização, registrar progresso e identificar novos conteúdos por meio de descrições textuais ou imagens, utilizando técnicas de processamento de linguagem natural e reconhecimento visual suportadas por Large Language Models (LLM). A metodologia envolveu a definição de requisitos funcionais e não funcionais, modelagem do sistema com diagramas Unified Modeling Language (UML), prototipação das interfaces, implementação de um backend em Spring Boot com autenticação e de um frontend em Angular, além da integração com a API TMDb e módulos de IA para busca multimodal. O sistema resultante oferece uma interface responsiva e intuitiva, permitindo o gerenciamento de coleção pessoal, o acompanhamento de progresso e a identificação de obras a partir de descrições ou capturas de tela. Os testes realizados com usuários evidenciaram boa aceitação, destacando-se a utilidade da busca por imagem e a clareza da organização das informações, embora tenham sido apontadas oportunidades de melhoria em aspectos de performance e ordenação de resultados. Como conclusão, este trabalho demonstrou a viabilidade técnica da integração entre LLMs e APIs externas como estratégia para ampliar e enriquecer a experiência de consumo de mídia digital. Essa integração possibilitou funcionalidades de busca multimodal, permitindo a identificação de filmes e séries tanto por descrições textuais quanto por imagens, além da centralização do gerenciamento de coleção e progresso em uma única plataforma. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Large Language Models | pt_BR |
dc.subject | Busca multimodal | pt_BR |
dc.subject | Media Tracker | pt_BR |
dc.subject | Streaming | pt_BR |
dc.title | Media Tracker : sistema inteligente de acompanhamento de séries e filmes com busca potencializada por LLMs. | pt_BR |
dc.type | TCC-Graduação | pt_BR |
dc.rights.license | Este trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1). | pt_BR |
dc.contributor.referee | Ribeiro, Eduardo da Silva | pt_BR |
dc.contributor.referee | Oliveira, Fernando Bernardes de | pt_BR |
dc.contributor.referee | Sousa, Alexandre Magno de | pt_BR |
dc.description.abstracten | The accelerated growth of the streaming market has brought new possibilities for audiovisual content consumption, but also challenges related to the organization and discovery of movies and series within increasingly extensive catalogs. In this context, this work presents the development of Media Tracker, an intelligent web platform designed for managing watched media and performing advanced searches supported by Artificial Intelligence. The main objective is to unify, in a single environment, functionalities that allow users to organize their viewing history, track progress, and identify new content through textual descriptions or images, using natural language processing and visual recognition techniques supported by Large Language Models LLMs. The methodology involved defining functional and non-functional requirements, modeling the system with Unified Modeling Language (UML) diagrams, prototyping interfaces, implementing a backend in Spring Boot with JWT authentication and a frontend in Angular, as well as integrating the TMDb API and AI modules for multimodal search. The resulting system offers a responsive and intuitive interface, enabling personal collection management, progress tracking, and identification of works based on descriptions or screenshots. User testing showed good acceptance, highlighting the usefulness of image-based search and the clarity of information organization, although opportunities for improvement were identified in performance and result ordering. In conclusion, this work demonstrated the technical feasibility of integrating LLMs and external APIs as a strategy to broaden and enrich the digital media consumption experience. This integration enabled multimodal search functionalities, allowing the identification of movies and series both through textual descriptions and images, in addition to the centralized management of collections and progress in a single platform. | pt_BR |
dc.contributor.authorID | 22.1.8996 | pt_BR |
Aparece nas coleções: | Engenharia de Computação - JMV |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
MONOGRAFIA_MediaTrackerSistema.pdf | 13,06 MB | Adobe PDF | Visualizar/Abrir |
Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.