Agrupamento de dados em Data Lakes utilizando a meta-heurística BRKGA

Os Data Lakes vêm ganhando destaque na área de banco de dados graças à sua capacidade de armazenar grandes quantidades de dados de forma flexível e escalável. Tipicamente, métodos de agrupamento (clustering) são utilizados para explorar dados em Data Lakes, dada a sua natureza não supervisionada. Este trabalho propõe a aplicação do Biased Random-Key Genetic Algorithm (BRKGA) ao problema de agrupamento automático em Data Lakes. A abordagem foi avaliada em 17 Data Lakes e comparada ao algoritmo de referência RóMULO. Foram analisadas a qualidade do agrupamento e a eficiência computacional. Na análise de qualidade, as métricas Silhouette, Davies-Bouldin e Calinski-Harabasz foram utilizadas para verificar a compacidade e separação dos agrupamentos obtidos. O BRKGA superou o RóMULO em ambas as análises, apresentando valores consistentes nas métricas de avaliação e menor tempo de execução.