¡@¡@Recommendation techniques are developed to uncover users¡¥ real needs among large volume of information. Recommender systems help us filter information and present those similar to our tastes. As wireless technology develops and mobile devices become more and more powerful, new recommender systems appear to adapt to new implementation environment. We focus on travel recommender systems implemented in a mobile P2P environment using collaborative filtering recommendation algorithms which intend to provide real-time suggestions to travelers when they are on the move. Using the concept of incorporating other travelers¡¥ suggestions to the next attraction, we let users exchange their ratings toward visited attractions and use these ratings as a basis of recommendation. ¡@¡@We proposed six data exchange algorithms for travelers to exchange their ratings. The proposed methods were experimented in the homogeneous and heterogeneous environment. The experimental results show that the proposed data exchange methods have better recommendation hit ratio than content-based recommendation methods and better performance compared with other methods only using ratings of users when they meet face-to-face. Finally, all methods are compared and evaluated. An optimal method should be able to strike a balance between algorithm performance and the amount of data communication.

Objective: This thesis focuses on design and evaluation of a disease prediction system that be able to detect hidden and upcoming diseases of an individual. Unlike previous works that has typically relied on precise medical examinations to extract symptoms and risk factors for computing probability of occurrence of a disease, the proposed disease prediction system is based on similar patterns of disease comorbidity in population and the individual to evaluate the risk of a disease. Methods: We combine three machine learning algorithms to construct the prediction system: an item based recommendation system, a Bayesian graphical model and a rule based recommender. We also propose multiple similarity measures for the recommendation system, each useful in a particular condition. We finally show how best values of parameters of the system can be derived from optimization of cost function and ROC curve. Results: A permutation test is designed to evaluate accuracy of the prediction system accurately. Results showed considerable advantage of the proposed system in compare to an item based recommendation system and improvements of prediction if system is trained for each specific gender and race. Conclusion: The proposed system has been shown to be a competent method in accurately identifying potential diseases in patients with multiple diseases, just based on their disease records. The procedure also contains novel soft computing and machine learning ideas that can be used in prediction problems. The proposed system has the possibility of using more complex datasets that include timeline of diseases, disease networks and social network. This makes it an even more capable platform for disease prediction. Hence, this thesis contributes to improvement of the disease prediction field. / Graduate / 0800 / 0766 / 0984 / mehrdadmansouri@yahoo.com

A learner in an informal learning environment, such as a museum, encounters various challenges. After initial assessment, a set of methods were proposed that may enhance a learner’s experience in a museum using computer aided technologies. The most important insight was the need to support the museum visitor in three phases of activity: prior to the visit, during the visit, and after the visit. We hypothesized that software tools that could help connect these three phases would be helpful and valuable supports for the visitor. To test and evaluate our hypothesis, a system called “The Museum Explorer” was built and instantiated using the collection in the Museum of Antiquities located at the University of Saskatchewan. An evaluation of the Museum Explorer was conducted. Results show that the Museum Explorer was largely successful in achieving our goals. The Museum Explorer is an integrated solution for visitors in museums across the pre-visit, visit, and post-visit phases. The Museum Explorer was designed to provide a means to connect and transfer user experience across the major phases of a museum visit. For each phase of a visitor’s experience, a set of tools was built that provides intelligent and interactive communication features. To assist visitors selecting artefacts to visit, a recommender system allows users to select a set of constraints. To better manage interactivity, features and functions were offered based on context. A study was conducted with volunteer museum visitors. Results from the study show that the Museum Explorer is a useful support. Analysis of the usage data captured by the Museum Explorer has revealed some interesting facts about users’ preferences in the domain that can be used by future researchers.

A expansão das tecnologias de comunicação e informação apoiadas pela internet trazem benefícios crescentes à sociedade. As redes sociais geolocalizadas, televisores que fazem uso da internet e avançados telefones celulares ganham popularidade em conjunto ao aumento da disponibilidade de acesso à internet. A utilização de tais meios para o compartilhamento de informações possibilita a construção de ambientes ricos em informação e conhecimento. Incorporar tais benefícios a ambientes educacionais, propondo métodos que façam uso da riqueza de informações inerentes a tais domínios, provendo a sugestão de conteúdos educacionais é o foco do presente trabalho. Para isto, é apresentado o arcabouço teórico das áreas de Sistemas de Recomendação, Ontologias, Metadados Educacionais e Web Semântica. Revisar os conceitos e o estado da arte de tais áreas conduz a uma análise crítica das mesmas, bem como, ao conjunto de práticas para a descrição de ontologias, que atuem como núcleo de conhecimento, para aplicações educacionais voltadas a recomendação de objetos de aprendizagem. Em conjunto, é também apresentada uma alternativa para que os desenvolvedores de sistemas educacionais possam repensar a maneira como estes estão sendo desenvolvidos, abrindo possibilidades para a agregação de serviços baseados na web semântica que facilitem integrações, filtros e compartilhamentos de informações. Os resultados obtidos através do método de representação de conhecimento que foi proposto neste trabalho, prevê a descrição de objetos de aprendizagem, perfis de usuários, como indivíduos de ontologias, bem como, perfis de aplicação que possibilitam raciocínio lógico visando auxiliar a sistemas de recomendação, e também uma proposta para a migração dos atuais repositórios de conteúdos educacionais para repositórios compatíveis com triplas, também compõe o presente trabalho. / It is a fact that the expansion of the communication and information technologies supported by the Internet brought growing benefits to the society. Geo-localized social networks, televisions that make use of the Internet and smartphones became popular with the wide spread of the Internet access. Information sharing among those devices took information and knowledge sharing at a new level. Incorporate such benefits to educational environments, especially when dealing with content suggestion it is the main focus of this work. To cope with this, we present a theoretical study over the areas of recommender systems, ontologies, educational metadata and semantic web. The study of such concepts and their following state of the art lead to a critical analyses, as also, to a set of practices to describe ontologies that can act as the knowledge core of learning object recommendation. Parallel to that, it is also presented an alternative for educational systems designers to reconsider the way that they are being developed, allowing the connection of a network of services, based on semantic web techniques, to provide knowledge filtering and sharing. The results present a set of practices that allow the description of learning objects and user profiles as ontology individuals, practices to build application profiles that allow reasoning over them, as also an alternative to migrate the current learning object repositories to a triple store.

L’OLAP (On-Line Analytical Processing) est le paradigme principal pour accéder aux données multidimensionnelles dans les entrepôts de données. Pour obtenir une haute expressivité d’interrogation, malgré un petit effort de formulation de la requête, OLAP fournit un ensemble d’opérations (comme drill-down et slice-and-dice ) qui transforment une requête multidimensionnelle en une autre, de sorte que les requêtes OLAP sont normalement formulées sous la forme de séquences appelées Sessions OLAP. Lors d’une session OLAP l’utilisateur analyse les résultats d’une requête et, selon les données spécifiques qu’il voit, applique une seule opération afin de créer une nouvelle requête qui lui donnera une meilleure compréhension de l’information. Les séquences de requêtes qui en résultent sont fortement liées à l’utilisateur courant, le phénomène analysé, et les données. Alors qu’il est universellement reconnu que les outils OLAP ont un rôle clé dans l’exploration souple et efficace des cubes multidimensionnels dans les entrepôts de données, il est aussi communément admis que le nombre important d’agrégations et sélections possibles, qui peuvent être exploités sur des données, peut désorienter l’expérience utilisateur. / OLAP (On-Line Analytical Processing) is the main paradigm for accessing multidimensional data in data warehouses. To obtain high querying expressiveness despite a small query formulation effort, OLAP provides a set of operations (such as drill-down and slice-and-dice) that transform one multidimensional query into another, so that OLAP queries are normally formulated in the form of sequences called OLAP sessions. During an OLAP session the user analyzes the results of a query and, depending on the specific data she sees, applies one operation to determine a new query that will give her a better understanding of information. The resulting sequences of queries are strongly related to the issuing user, to the analyzed phenomenon, and to the current data. While it is universally recognized that OLAP tools have a key role in supporting flexible and effective exploration of multidimensional cubes in data warehouses, it is also commonly agreed that the huge number of possible aggregations and selections that can be operated on data may make the user experience disorientating.

BRILHANTE, Igo Ramalho. Recommending places based on the wisdom-of-the-crowd. 2016. 164 f. Tese (Doutorado em Ciência da Computação)-Universidade Federal do Ceará, Fortaleza, 2016. / Submitted by Anderson Silva Pereira (anderson.pereiraaa@gmail.com) on 2017-06-08T21:15:36Z No. of bitstreams: 1 2016_tese_irbrilhante.pdf: 14886146 bytes, checksum: 6613aa522f50b0c6b1733926b9d1cd5d (MD5) / Approved for entry into archive by Rocilda Sales (rocilda@ufc.br) on 2017-06-09T11:12:35Z (GMT) No. of bitstreams: 1 2016_tese_irbrilhante.pdf: 14886146 bytes, checksum: 6613aa522f50b0c6b1733926b9d1cd5d (MD5) / Made available in DSpace on 2017-06-09T11:12:35Z (GMT). No. of bitstreams: 1 2016_tese_irbrilhante.pdf: 14886146 bytes, checksum: 6613aa522f50b0c6b1733926b9d1cd5d (MD5) Previous issue date: 2016 / The collective opinion of a great number of users, popularly known as wisdom of the crowd, has been seen as powerful tool for solving problems. As suggested by Surowiecki in his books, large groups of people are now considered smarter than an elite few, regardless of how brilliant at solving problems or coming to wise decisions they are. This phenomenon together with the availability of a huge amount of data on the Web has propitiated the development of solutions which employ the wisdom-of-the-crowd to solve a variety of problems in different domains, such as recommender systems, social networks and combinatorial problems. The vast majority of data on the Web has been generated in the last few years by billions of users around the globe using their mobile devices and web applications, mainly on social networks. This information carries astonishing details of daily activities ranging from urban mobility and tourism behavior, to emotions and interests. The largest social network nowadays is Facebook, which in December 2015 had incredible 1.31 billion mobile active users, 4.5 billion “likes” generated daily. In addition, every 60 seconds 510 comments are posted, 293,000 statuses are updated, and 136,000 photos are uploaded. This flood of data has brought great opportunities to discover individual and collective preferences, and use this information to offer services to meet people’s needs, such as recommending relevant and interesting items (e.g. news, places, movies). Furthermore, it is now possible to exploit the experiences of groups of people as a collective behavior so as to augment the experience of other. This latter illustrates the important scenario where the discovery of collective behavioral patterns, the wisdom-of-the-crowd, may enrich the experience of individual users. In this light, this thesis has the objective of taking advantage of the wisdom of the crowd in order to better understand human mobility behavior so as to achieve the final purpose of supporting users (e.g. people) by providing intelligent and effective recommendations. We accomplish this objective by following three main lines of investigation as discussed below. In the first line of investigation we conduct a study of human mobility using the wisdom-of-the-crowd, culminating in the development of an analytical framework that offers a methodology to understand how the points of interest (PoIs) in a city are related to each other on the basis of the displacement of people. We experimented our methodology by using the PoI network topology to identify new classes of points of interest based on visiting patterns, spatial displacement from one PoI to another as well as popularity of the PoIs. Important relationships between PoIs are mined by discovering communities (groups) of PoIs that are closely related to each other based on user movements, where different analytical metrics are proposed to better understand such a perspective. The second line of investigation exploits the wisdom-of-the-crowd collected through user-generated content to recommend itineraries in tourist cities. To this end, we propose an unsupervised framework, called TripBuilder, that leverages large collections of Flickr photos, as the wisdom-of-the-crowd, and points of interest from Wikipedia in order to support tourists in planning their visits to the cities. We extensively experimented our framework using real data, thus demonstrating the effectiveness and efficiency of the proposal. Based on the theoretical framework, we designed and developed a platform encompassing the main features required to create personalized sightseeing tours. This platform has received significant interest within the research community, since it is recognized as crucial to understand the needs of tourists when they are planning a visit to a new city. Consequently this led to outstanding scientific results. In the third line of investigation, we exploit the wisdom-of-the-crowd to leverage recommendations of groups of people (e.g. friends) who can enjoy an item (e.g. restaurant) together. We propose GroupFinder to address the novel user-item group formation problem aimed at recommending the best group of friends for a < user, item > pair. The proposal combines user-item relevance information with the user’s social network (ego network), while trying to balance the satisfaction of all the members of the group for the item with the intra-group relationships. Algorithmic solutions are proposed and experimented in the location-based recommendation domain by using four publicly available Location-Based Social Network (LBSN) datasets, showing that our solution is effective and outperforms strong baselines. / A opinião coletiva de um grande número de usuários, popularmente conhecida como wisdom-of-the-crowd, tem sido vista como poderosa ferramenta para resolver problemas. Como sugerido por Surowiecki em seus livros, grandes grupos de pessoas são considerados mais inteligentes do que uma elite de poucos, independentemente de quão brilhante na resolução de problemas ou tomadas de decisões sábias esses são. Este fenômeno, juntamente com a disponibilidade de uma enorme quantidade de dados na Web propiciou o desenvolvimento de soluções que empregam a sabedoria da multidão para resolver uma variedade de problemas em diferentes domínios, tais como sistemas de recomendação, redes sociais e problemas combinatoriais. A grande maioria dos dados na Web tem sido gerada nos últimos anos por bilhões de usuários em todo o mundo através de seus dispositivos móveis e aplicações web, principalmente em redes sociais. Esta informação carrega detalhes surpreendentes sobre as atividades dia ́rias, que variam da mobilidade urbana e comportamento de turismo, à emoções e interesses. Atualmente, a maior rede social é o Facebook, que em dezembro de 2015 tinha incríveis 1.31 bilhões de usuários (móveis) ativos, 4.5 bilhões de “likes” gerados diariamente. Além disso, a cada 60 segundos, 510 comentários são publicados, 293.000 status são atualizados e 136.000 fotos são enviadas. Esta inundação de dados trouxe grandes oportunidades para delinear as preferências individuais e coletivas, e usar essas informações para oferecer serviços para atender às necessidades das pessoas, como recomendar itens relevantes e interessantes (por exemplo, notícias, lugares, filmes). Ainda, é possível explorar as experiências de grupos de pessoas como um comportamento coletivo para aumentar a experiência de outros. Este último ilustra o cenário importante onde a descoberta de padrões comportamentais coletivos, a sabedoria da multidão, pode enriquecer a experiência de usuários individuais. Neste sentido, esta tese tem o objetivo de aproveitar a sabedoria da multidão para entender melhor o comportamento da mobilidade humana de modo a alcançar o propósito final de auxiliar os usuários (por exemplo, pessoas), fornecendo recomendações inteligentes e eficazes. Alcançamos esse objetivo seguindo três linhas principais de investigação, conforme discutido abaixo. Na primeira linha de investigação, realizamos um estudo sobre a mobilidade humana usando a sabedoria da multidão, culminando no desenvolvimento de uma estrutura analítica que oferece uma metodologia para entender como os pontos de interesse (PoIs) em uma cidade estão relacionados com base no deslocamento de pessoas. Experimentamos nossa metodologia usando a topologia de rede de PoIs para identificar novas classes de pontos de interesse com base em padrões de visitas, deslocamento espacial de um PoI para outro, bem como popularidade dos mesmos. Relações importantes entre PoIs são mineradas pela descoberta de comunidades (grupos) de PoIs que estão intimamente relacionadas entre si com base nos movimentos do usuário, onde diferentes métricas analíticas são propostas para entender melhor tal perspectiva. A segunda linha de investigação explora a sabedoria da multidão coletada através de conteúdo gerado por usuários para recomendar itinerários em cidades turísticas. Para isso, propomos uma estrutura não supervisionada, chamada TripBuilder, que alavanca grandes coleções de fotos do Flickr e pontos de interesse da Wikipedia, a fim de auxiliar os turistas no planejamento de suas visitas às cidades. Experimentamos extensivamente nossa estrutura usando dados reais, demonstrando assim a eficácia e eficiência da proposta. Com base no arcabouço teórico, desenhamos e desenvolvemos uma plataforma que engloba as principais características necessárias para a realização de passeios turísticos personalizados. Esta plataforma tem recebido um interesse significativo dentro da comunidade de pesquisa, uma vez que este tem sido reconhecido como crucial para entender as necessidades dos turistas quando eles estão planejando uma visita a uma nova cidade. Consequentemente, isto levou a resultados científicos notáveis. Na terceira linha de investigação, exploramos a sabedoria da multidão para realizar recomendações de grupos de pessoas (por exemplo, amigos) que pudessem desfrutar de um determinado item (por exemplo, restaurante) em conjunto. Propomos GroupFinder para abordar o novo problema de formação de grupo de usuário-item destinado a recomendar o melhor grupo de amigos para um determinado par < usuário,item >. A proposta combina informações sobre a relevância do item para o usuário juntamente com a rede social deste (ego network), ao mesmo tempo em que tenta equilibrar a satisfação de todos os membros do grupo pelo item com as relações intra-grupais. Soluções algorítmicas são propostas e experimentadas no domínio de recomendação baseado em localização, utilizando quatro base de dados de rede sociais baseados em local (LBSN) publicamente disponíveis, mostrando que nossa solução é eficaz e supera baselines definidos.

A expansão das tecnologias de comunicação e informação apoiadas pela internet trazem benefícios crescentes à sociedade. As redes sociais geolocalizadas, televisores que fazem uso da internet e avançados telefones celulares ganham popularidade em conjunto ao aumento da disponibilidade de acesso à internet. A utilização de tais meios para o compartilhamento de informações possibilita a construção de ambientes ricos em informação e conhecimento. Incorporar tais benefícios a ambientes educacionais, propondo métodos que façam uso da riqueza de informações inerentes a tais domínios, provendo a sugestão de conteúdos educacionais é o foco do presente trabalho. Para isto, é apresentado o arcabouço teórico das áreas de Sistemas de Recomendação, Ontologias, Metadados Educacionais e Web Semântica. Revisar os conceitos e o estado da arte de tais áreas conduz a uma análise crítica das mesmas, bem como, ao conjunto de práticas para a descrição de ontologias, que atuem como núcleo de conhecimento, para aplicações educacionais voltadas a recomendação de objetos de aprendizagem. Em conjunto, é também apresentada uma alternativa para que os desenvolvedores de sistemas educacionais possam repensar a maneira como estes estão sendo desenvolvidos, abrindo possibilidades para a agregação de serviços baseados na web semântica que facilitem integrações, filtros e compartilhamentos de informações. Os resultados obtidos através do método de representação de conhecimento que foi proposto neste trabalho, prevê a descrição de objetos de aprendizagem, perfis de usuários, como indivíduos de ontologias, bem como, perfis de aplicação que possibilitam raciocínio lógico visando auxiliar a sistemas de recomendação, e também uma proposta para a migração dos atuais repositórios de conteúdos educacionais para repositórios compatíveis com triplas, também compõe o presente trabalho. / It is a fact that the expansion of the communication and information technologies supported by the Internet brought growing benefits to the society. Geo-localized social networks, televisions that make use of the Internet and smartphones became popular with the wide spread of the Internet access. Information sharing among those devices took information and knowledge sharing at a new level. Incorporate such benefits to educational environments, especially when dealing with content suggestion it is the main focus of this work. To cope with this, we present a theoretical study over the areas of recommender systems, ontologies, educational metadata and semantic web. The study of such concepts and their following state of the art lead to a critical analyses, as also, to a set of practices to describe ontologies that can act as the knowledge core of learning object recommendation. Parallel to that, it is also presented an alternative for educational systems designers to reconsider the way that they are being developed, allowing the connection of a network of services, based on semantic web techniques, to provide knowledge filtering and sharing. The results present a set of practices that allow the description of learning objects and user profiles as ontology individuals, practices to build application profiles that allow reasoning over them, as also an alternative to migrate the current learning object repositories to a triple store.

In the past few years, the general work habits of people have changed dramatically, raising concerns about their well-being. Numerous health-related problems have been observed from their health records such as obesity, diabetes or heart diseases, and unhealthy eating is one of its factors. But these problems can be prevented if people start eating healthy food. The population, in general, is also realizing that healthy eating is important for their well-being. However, they usually resist because they assume that healthy food is not tasty and they do not want to comprise their taste preferences. Moreover, they have various other considerations that become barriers for them while selecting a healthy recipe. These are:(1) their complex, restrained needs (i.e., allergies and nutritional goals), (2) their strict lifestyle or dietary preferences (i.e., their desire to eat only vegan or vegetarian food), (3) lack of knowledge about how to choose healthy recipes while exploiting their taste preferences, (4) choosing recipes that maximize the use of available ingredients in their kitchen. Numerous researchers have been working in this field and developed various applications and systems to suggest healthy recipes. Apart from unhealthy eating, household food wastage has become a public problem, and some of the causes, which trigger it are users’ taste preferences (i.e., disliking of the food), and not cooking food before ingredients expiry dates. Thus, we propose a personalized recipes recommender system as a proof of concept called CAPRECIPES, which is based on context-awareness. It tackles the aforementioned barriers and improves the users’ experiences by providing the recommendations of personalized recipes with minimal efforts while exploiting their dynamically changing contexts. CAPRECIPES also helps in the reduction of food wastage as it first shows the recipes, which contain the ingredients that are expiring soon and matches with users’ taste preferences. It also considers that recipes do not violate users’ health restrictions and nutritional goals, and use the maximum number of available ingredients in users’ kitchen. The proposed system gathers users’ taste preferences by exploiting two third-party social media applications (i.e., Facebook and YouTube) and collaborative-based filtering algorithm. This thesis also explores various natural language processing techniques such as text analysis and parts of speech tagging to identify the recipes’ preferences and to find the most relevant match for each recipe or ingredient having different names. / Graduate

A expansão das tecnologias de comunicação e informação apoiadas pela internet trazem benefícios crescentes à sociedade. As redes sociais geolocalizadas, televisores que fazem uso da internet e avançados telefones celulares ganham popularidade em conjunto ao aumento da disponibilidade de acesso à internet. A utilização de tais meios para o compartilhamento de informações possibilita a construção de ambientes ricos em informação e conhecimento. Incorporar tais benefícios a ambientes educacionais, propondo métodos que façam uso da riqueza de informações inerentes a tais domínios, provendo a sugestão de conteúdos educacionais é o foco do presente trabalho. Para isto, é apresentado o arcabouço teórico das áreas de Sistemas de Recomendação, Ontologias, Metadados Educacionais e Web Semântica. Revisar os conceitos e o estado da arte de tais áreas conduz a uma análise crítica das mesmas, bem como, ao conjunto de práticas para a descrição de ontologias, que atuem como núcleo de conhecimento, para aplicações educacionais voltadas a recomendação de objetos de aprendizagem. Em conjunto, é também apresentada uma alternativa para que os desenvolvedores de sistemas educacionais possam repensar a maneira como estes estão sendo desenvolvidos, abrindo possibilidades para a agregação de serviços baseados na web semântica que facilitem integrações, filtros e compartilhamentos de informações. Os resultados obtidos através do método de representação de conhecimento que foi proposto neste trabalho, prevê a descrição de objetos de aprendizagem, perfis de usuários, como indivíduos de ontologias, bem como, perfis de aplicação que possibilitam raciocínio lógico visando auxiliar a sistemas de recomendação, e também uma proposta para a migração dos atuais repositórios de conteúdos educacionais para repositórios compatíveis com triplas, também compõe o presente trabalho. / It is a fact that the expansion of the communication and information technologies supported by the Internet brought growing benefits to the society. Geo-localized social networks, televisions that make use of the Internet and smartphones became popular with the wide spread of the Internet access. Information sharing among those devices took information and knowledge sharing at a new level. Incorporate such benefits to educational environments, especially when dealing with content suggestion it is the main focus of this work. To cope with this, we present a theoretical study over the areas of recommender systems, ontologies, educational metadata and semantic web. The study of such concepts and their following state of the art lead to a critical analyses, as also, to a set of practices to describe ontologies that can act as the knowledge core of learning object recommendation. Parallel to that, it is also presented an alternative for educational systems designers to reconsider the way that they are being developed, allowing the connection of a network of services, based on semantic web techniques, to provide knowledge filtering and sharing. The results present a set of practices that allow the description of learning objects and user profiles as ontology individuals, practices to build application profiles that allow reasoning over them, as also an alternative to migrate the current learning object repositories to a triple store.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2018-05-10T11:14:58Z No. of bitstreams: 1 andreluizcamposesqueffabdalla.pdf: 10771982 bytes, checksum: 662108f55e5849c1e43771419d176276 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-09-03T16:02:57Z (GMT) No. of bitstreams: 1 andreluizcamposesqueffabdalla.pdf: 10771982 bytes, checksum: 662108f55e5849c1e43771419d176276 (MD5) / Made available in DSpace on 2018-09-03T16:02:57Z (GMT). No. of bitstreams: 1 andreluizcamposesqueffabdalla.pdf: 10771982 bytes, checksum: 662108f55e5849c1e43771419d176276 (MD5) Previous issue date: 2018-03-22 / Os Sistemas de Recomendação (SR) buscam apresentar informações relevantes para os usuários no momento do consumo. A necessidade de recomendar recursos em diferentes domínios de aplicação e a necessidade do desenvolvimento de soluções focadas no reuso de componentes de SR, criam um cenário interessante para adoção de soluções na perspectiva de um Ecossistema de Software (ECOS). Um ECOS para SR deve permitir, além da interação entre atores e tecnologia, a integração com outros sistemas e plataformas que suportem outros ECOS. Através da proposição de uma plataforma tecnológica que suporte um ECOS, é possível auxiliar pesquisadores na compreensão acerca das diferentes maneiras que as organizações se relacionam. Ao aplicar a perspectiva ECOS em um domínio específico é possível centralizar os requisitos para o desenvolvimento de soluções, facilitando o reuso, criação e evolução de técnicas e abordagens específicas. A granularidade das soluções em SR, sem a possibilidade da definição de padrões de arquiteturas, aliada aos benefícios relacionados ao reuso e compartilhamento de técnicas e abordagens para SR, demonstra a necessidade de desenvolvimento de uma plataforma tecnológica, onde seja possível criar novas soluções, usufruir das soluções existentes e incentivar pesquisas nas duas principais áreas de estudo deste trabalho, Sistemas de Recomendação e Ecossistema de Software. Desta forma, o problema abordado por este estudo é a integração dos variados métodos, técnicas e abordagens de SR existentes de maneira sistemática e centralizada, sendo possível facilitar a implementação de novas soluções em SR, e ainda promover o reuso e compartilhamento destas soluções e também a colaboração entre os atores envolvidos. O objetivo geral deste estudo é propor o R.ECOS, uma plataforma tecnológica para suportar um ecossistema de software para recomendação de recursos a usuários, permitindo a integração entre suas soluções e de outros ECOS e ainda facilitar o desenvolvimento, reuso e compartilhamento destas soluções em SR. A avaliação da proposta foi realizada em duas etapas. Primeiro foram definidos dois Estudos de Viabilidade para validar a tecnologia utilizada e a arquitetura proposta. A seguir foram realizados dois Estudos de Caso em um contexto real de utilização. Os resultados indicam a viabilidade da proposta do estudo. / Recommender Systems (RS) attempt to present relevant information to users at the time of consumption. The need to recommend resources in different application domains and the need to develop solutions focused on the reuse of RS components, creates an interesting scenario for adopting solutions from the Software Ecosystem (SECO) perspective. A SECO for RS should allow, in addition to interaction between actors and technology, integrations with others systems and platforms that support others SECO. By proposing a technology platform that supports a SECO, it is possible to assist researchers in understanding the different ways that organizations relate. By applying the SECO perspective in a specific domain, it is possible to centralize the requirements for developing solutions, facilitating the reuse, creation and evolution of specific techniques and approaches. The granularity of RS solutions, without the possibility of defining architecture patterns, combined with the benefits related to the reuse and sharing of approaches for SR, demonstrates the need to develop a technological platform where it is possible to create new solutions, taking advantage of existing solutions and encouraging research in the two main areas of this work, Recommendation Systems and Software Ecosystem. In this way, the problem addressed by this study is the integration of the methods, techniques and approaches of existing RS in a systematic and centralized way, being possible to facilitate the implementation of new solutions in RS, and also to promote the reuse and sharing of solutions and also the collaboration among the involved actors. The general objective of this study is to propose R.ECOS, a technological platform to support a software ecosystem to recommend resources, allowing the integration between their solutions and other ECOS. The evaluation of the proposal was carried out in two stages. First, two Feasibility Studies were defined to validate the used technology and the proposed architecture. Later, two Case Studies were carried out in a real context of use. The results indicate the feasibility of the study proposal.