Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-12-21T18:03:56Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Janiel M. dos Santos.pdf: 1303124 bytes, checksum: 92eab239c46bd44d736df8430f688f9c (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2017-12-21T18:04:15Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Janiel M. dos Santos.pdf: 1303124 bytes, checksum: 92eab239c46bd44d736df8430f688f9c (MD5) / Made available in DSpace on 2017-12-21T18:04:15Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertação - Janiel M. dos Santos.pdf: 1303124 bytes, checksum: 92eab239c46bd44d736df8430f688f9c (MD5) Previous issue date: 2017-10-02 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / The growing production of multimedia content on the web has stimulated studies related to the improvement of the strategies responsible for the organization and recovery of this content in the applications. Among the several strategies, the assignment of a set of tags to an object expressing its content, called the tagging process, has been the subject of recent studies, mainly associative methods that are based on the exploration of co-occurrence patterns of tags. Although associative methods present state of the art results, few investigate the behavior of this type of recommendation in a state in which the object is being inserted into the system and has no previously associated information, characterized as cold start problem. To investigate the behavior of strategies in a cold start, its main motivation is to improve the quality of the recommendations, especially when the strategies are dependent on the information provided by the publishers of the content. This work presents an associative tags recommendation strategy that explores the concept of context graphs through the integration of co-occurrence and tags relevance metrics with the collaborative knowledge of existing relationships between concepts found in Wikipedia articles. With the balance in the valorization of the candidate tags for the recommendation, the proposed strategy obtained improvement in the quality of the re-commendation of the tags in videos that have a median number of tags. / A crescente produção de conteúdo multimídia na web tem estimulado estudos relacionados ao aprimoramento das estratégias responsáveis pela organização e recuperação desse conteúdo nas aplicações. Dentre as diversas estratégias existentes, a atribuição de um conjunto de etiquetas a um objeto expressando o seu conteúdo, denominada de processo de etiquetagem, têm sido objeto de estudos recentes, principalmente os métodos associativos que exploram padrões de coocorrência. Apesar dos métodos associativos apresentarem resultados estado da arte, poucos exploram o comportamento desse tipo de recomendação em um estado em que o objeto está sendo inserido no sistema e não possui informações previamente associadas, caracterizado como problema de cold start. Investigar o comportamento das estratégias, em um estado de cold start, tem como motivação principal melhorar a qualidade das recomendações, principalmente quando as estratégias ficam dependentes das informações fornecidas pelos publicadores do conteúdo. Nesta dissertação apresenta-se uma estratégia de recomendação associativa de etiquetas que explora o conceito de grafos de contexto, por meio da integração da coocorrência e métricas de relevância de etiquetas com o conhecimento colaborativo dos relacionamentos existentes entre conceitos presentes nos artigos da Wikipédia. Com o equilíbrio na valorização das etiquetas candidatas a recomendação, a estratégia proposta obteve melhoria na qualidade da recomendação das etiquetas em vídeos que possuem uma quantidade mediana de etiquetas.