Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2017-06-14T16:52:48Z No. of bitstreams: 1 Ismael Messias Gomes Cardoso_.pdf: 1842376 bytes, checksum: 60eed8afd2b70fbe501d63c0e1b81c39 (MD5) / Made available in DSpace on 2017-06-14T16:52:48Z (GMT). No. of bitstreams: 1 Ismael Messias Gomes Cardoso_.pdf: 1842376 bytes, checksum: 60eed8afd2b70fbe501d63c0e1b81c39 (MD5) Previous issue date: 2017-03-16 / UNISINOS - Universidade do Vale do Rio dos Sinos / The use of recommender systems is already widespread. Everyday people are exposed to different items’ offering that infer their interest and anticipate decisions. The context information (such as location, goals, and entities around a context) plays a key role in the recommendation’s accuracy. Extending contexts snapshots into contexts histories enables that information to be exploit. It is possible to identify context’s sequences, similar contexts histories and even predict future contexts. In this work we present Vulcont, a recommender system based on a contexts history ontology. Vulcont merges the benefits of ontology reasoning with contexts histories in order to measure contexts history similarity, based on semantic and ontology’s properties provided by context’s domain. Vulcont considers synonymous and classes’ relations to measure similarity. After that, a collaborative filtering approach identifies sequences’ frequency to identify potential items for recommendation. We evaluated and discussed the Vulcont’s recommendation in four scenarios in an offline experiment, which presents Vulcont’s recommendation power, due the exploit of semantic value of contexts history. / O uso de sistemas de recomendação já é amplamente difundido. Diariamente pessoas são expostas a ofertas de itens que inferem seus interesses e antecipam decisões. As informações de contexto (como localização, objetivos, e entidades que cercam um contexto) tem um papel chave na acurácia da recomendação. Ampliando o uso de contextos para histórico de contextos, essa informação pode ser explorada ainda mais. É possível identificar sequências de contextos, similaridade entre histórico de contextos, e até prever contextos futuros. Neste trabalho é apresentado o Vulcont, um sistema de recomendação baseado numa ontologia de histórico de contextos. Vulcont une os benefícios do raciocínio da ontologia com o uso de histórico de contextos para quantificar a similaridade entre histórico de contextos, com base na semântica e outras propriedades da ontologia definidas pelo domínio do contexto. Vulcont considera sinônimos e relações de classes para calcular a similaridade. Por seguinte, um filtro colaborativo identifica a frequência de sequências para estimar items em potencial de recomendação. As recomendações do Vulcont foram avaliadas e discutidas em quatro cenários num experimento offline. O experimento apresentou o poder de recomendação do Vulcont, que é devido a exploração do valor semântico de histórico de contextos.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-07-14T12:32:09Z No. of bitstreams: 1 George Almeida De Oliveira_.pdf: 1203626 bytes, checksum: 54258ab2dd96b3f2309b53d61fd0ce0f (MD5) / Made available in DSpace on 2016-07-14T12:32:09Z (GMT). No. of bitstreams: 1 George Almeida De Oliveira_.pdf: 1203626 bytes, checksum: 54258ab2dd96b3f2309b53d61fd0ce0f (MD5) Previous issue date: 2016-03-21 / Nenhuma / Com a popularização no mercado de consumo de wearables, ou dispositivos vestíveis, a computação móvel e ubíqua vem se tornando presente em diversas áreas como educação, comércio e entretenimento. Na área da saúde estes dispositivos têm um importante papel, pois contam com sensores para captura de sinais fisiológicos, como por exemplo, medir a temperatura corporal e batimentos cardíacos do usuário. Em muitos casos não há qualquer padronização ou comunicação entre os diferentes sistemas de cuidados ubíquos que administram os dados fisiológicos do usuário. Esse trabalho apresenta uma proposta para gerenciamento de históricos de contextos fisiológicos através de um modelo denominado GECONFI. O modelo suporta a coleta de dados através de aplicações que utilizam dispositivos e sensores de monitoramento, também define uma ontologia para o domínio de contextos fisiológicos. Esse trabalho apresenta o uso de três aplicações integradas ao GECONFI que permitiram avaliar e testar os serviços disponibilizados pelo modelo. A primeira aplicação chamada SiCuide foi aplicada com treze pacientes e um enfermeiro, que apresentaram pareceres positivos em relação a sua utilidade para o monitoramento fisiológico dos usuários. Os outros dois sistemas denominados FitBurn e Heart-Control foram aplicados em um cenário baseado em sensibilidade a contexto permitindo o acesso compartilhado de uma mesma trilha. Os resultados obtidos mostraram a viabilidade para que outros sistemas realizem a administração de históricos contextuais de maneira genérica através do modelo proposto. / With the popularization in wearables market, or wearable devices, the mobile and ubiquitous computing is becoming present in areas such as education, commerce and entertainment. In healthcare these devices have an important role, as have sensors for capturing physiological signals, such as measuring the body temperature and heart rate of the user. In many cases there´s no standardization or communication between different Ubiquitous care systems that manage the physiological user data. This work presents a proposal for historical contexts of physiological management through a model called GECONFI. The model supports data collection through applications that use devices and monitoring sensors, defines an ontology for the domain of physiological contexts. This work presents the use of three integrated applications to GECONFI, that allowed evaluate and test the services provided by the model. The first application called SiCuide was applied with thirteen patients and a nurse, who showed positive opinions regarding its usefulness for physiological monitoring of users. The other two systems called FitBurn and Heart-Control were applied in a scenario based on sensitivity to context allowing shared access to the same track. The results showed the feasibility for other systems to perform the administration of contextual historical generically through the proposed model.