Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-08-08T13:00:48Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tese_MariaSibaldo.pdf: 2571529 bytes, checksum: 0d9af192f329870166c194c53541ce82 (MD5) / Made available in DSpace on 2016-08-08T13:00:48Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) tese_MariaSibaldo.pdf: 2571529 bytes, checksum: 0d9af192f329870166c194c53541ce82 (MD5) Previous issue date: 2016-02-23 / CAPEs / Os sistemas de recomendação fazem uso de algoritmos para facilitar a busca de itens de interesse do usuário. Esta tese apresenta uma solução para recomendação através do agrupamento em redes complexas, dado que este encontra padrões que beneficiam a recomendação. É utilizada a métrica de modularidade para auxiliar na divisão de uma rede em grupos e, com base nesse agrupamento, realizar recomendação. Assim, foram propostos dois métodos de recomendação baseados em modularidade, dois algoritmos de agrupamento e uma nova métrica de modularidade. O primeiro método proposto estima o peso da aresta entre dois elementos em uma rede bipartida (usuário e item) após a formação de grupos e faz uso das arestas do grupo do item. O método citado anteriormente serviu de inspiração para o segundo método, o qual faz uso das arestas entre grupos. Para este segundo método foram propostos dois algoritmos: AMV (Agrupamento com Movimento de Vértices), o qual realiza os agrupamentos com diversas métricas existentes; e o AMA (Agrupamento com Movimento de Arestas), o qual realiza agrupamentos apenas com a métrica proposta. O algoritmo AMA tem um tempo de processamento menor que o AMV. Com as observações realizadas na segunda proposta, uma nova métrica de modularidade foi elaborada para melhorar a recomendação. Esta modularidade possui maior valor quando os pesos dos relacionamentos entre os grupos são semelhantes. A primeira proposta se mostrou adequada para o problema e obteve o 6º lugar na competição do RecSys 2014. A segunda proposta obteve resultados comparativos equivalentes ao de métodos de recomendação no estado-da-arte. A métrica proposta mostrou-se adequada para a recomendação. / This thesis uses the modularity metric to assist in dividing a network into groups and, based on this grouping, apply recommendation procedure. We propose two methods of recommendation based on modularity, two grouping algorithm and also a new metric of modularity. The first method proposed estimates the rating between two nodes in a bipartite network after grouping it, for this estimation the item’s group is used. The first method was the inspiration for the second one: which uses the edges between groups to estimate the edges weight. Two algorithms were created for this second method: AMV (grouping with vertex movement), which can be used with different modularity metrics; and AMA (grouping with edges moviment), which makes use of the modularity metric proposed here and is faster than the previous one. A different modularity metric was proposed to improve the recommendation system. This modularity has greater value when the weights of relationships between groups are similar. The first proposal was adequate to the problem and obtained the 6th place in the RecSys Challenge 2014 competition. The second proposal has equivalent results compared to other recommendations methods in the state of the art. The experiments with the proposal metric showed that this metric is adequate to recommender systems.