Made available in DSpace on 2016-08-17T14:53:01Z (GMT). No. of bitstreams: 1 Roberval Gomes Mariano.pdf: 3806410 bytes, checksum: 98c37c22e17816b87c3a646527ac2c4e (MD5) Previous issue date: 2008-12-05 / The huge amount of data available on the Web and its dynamic nature create a demand for information filtering applications such as recommender systems. The lack of semantic structure of data available on the Web constitutes a barrier for increasing the effectiveness of such applications family. This work discusses the analysis, design, implementation and evaluation of Semantic Web based hybrid filtering agents. Such agents were integrated in ONTOSERS, an application family for the development of recommender systems based on the Semantic Web technology. The implemented agents were evaluated and their results were compared with the results of collaborative and content-based filtering agents. The hybrid filtering techniques presented better results than the other approaches in the conducted experiments. The tested hybrid filtering approaches were the weighted and switched ones. The explicit feedback was used to validate the recommendations, presenting a better correlation with the hybrid filtering techniques. The developed agents were also evaluated through the reuse of the ONTOSERS systems family, a multi-agent recommender system in the Brazilian tributary domain. / A grande quantidade de dados disponíveis na Web e a sua natureza dinâmica criam uma demanda por aplicações de filtragem de informação, tais como os sistemas de recomendação. A falta de estruturação semântica dos dados disponíveis na Web é uma barreira para a melhoria da efetividade desta família de aplicações. Este trabalho apresenta a análise, projeto, implementação e avaliação de agentes de filtragem híbrida baseados na tecnologia da Web Semântica. Estes agentes foram integrados na ONTOSERS, uma família de aplicações para o desenvolvimento de sistemas de recomendações baseados na tecnologia da Web Semântica. Os agentes implementados foram testados e tiveram seus resultados comparados com os resultados de agentes utilizando filtragem colaborativa e baseada em conteúdo. As técnicas de filtragem híbrida apresentaram resultados melhores do que os obtidos com as outras técnicas nos experimentos realizados. As técnicas de filtragem híbrida testadas foram a ponderada e a alternada. O feedback explícito foi utilizado para validar as recomendações, apresentando uma melhor correlação com as técnicas de filtragem híbrida. Os agentes desenvolvidos foram ainda avaliados através do reuso da família de sistemas ONTOSERS na construção do INFOTRIB, um sistema multiagente de recomendações no domínio tributário brasileiro.