nÃo hà / O principal desafio de um Sistema de RecomendaÃÃo à conseguir identificar e recomendar itens que tenham maior chance de corresponder aos interesses de seus usuÃrios que, em geral, possuem uma natureza bastante subjetiva e heterogÃnea. à importante, entÃo, que os Sistemas de RecomendaÃÃo possam recomendar itens personalizados a partir da identificaÃÃo do perfil de cada usuÃrio. Entretanto, muitas vezes, o perfil do usuÃrio nÃo à suficiente para que o sistema consiga identificar completamente seus interesses. A utilizaÃÃo do sistema em um contexto diferente do habitual pode acarretar em um resultado insatisfatÃrio para a recomendaÃÃo, sendo necessÃria sua adaptaÃÃo ao novo contexto. Este trabalho propÃe uma abordagem para inserÃÃo de sensibilidade ao contexto em Sistemas de RecomendaÃÃo, a qual utiliza, alÃm do contexto do usuÃrio, o prÃprio contexto dos itens recomendados. Para tal, tÃcnicas de recomendaÃÃo baseadas em conhecimento sÃo adaptadas para incluir regras de domÃnio com carÃter contextual. A abordagem proposta à utilizada na concepÃÃo de um sistema de recomendaÃÃo de fotos sensÃvel ao contexto que explora o contexto do usuÃrio e o contexto de geraÃÃo das fotos para a realizaÃÃo da recomendaÃÃo. AtravÃs do sistema desenvolvido, a abordagem à validada a partir de experimentos com usuÃrios, nos quais sÃo avaliados a qualidade da recomendaÃÃo e os ganhos obtidos com a utilizaÃÃo das informaÃÃes contextuais.

No contexto acadêmico o trabalho de pesquisa científica, nas áreas tecnológicas, é efetuado através de colaborações e cooperações entre diferentes pesquisadores e grupos de pesquisa. Existem pesquisadores atuando nos mais variados assuntos e nas mais diversas subáreas de pesquisa. Para analisar e expandir tais colaborações, muitas vezes, é necessário avaliar o nível de cooperação dos atuais parceiros, bem como identificar novos parceiros para conduzir trabalhos conjuntos. Tal avaliação e identificação não são tarefas triviais. Dessa forma, abordagens para avaliação e recomendação de colaborações são de grande valia para o aperfeiçoamento da cooperação e consequente melhoria da qualidade da pesquisa. Em relação à análise de colaborações, a demanda por critérios de avaliação de qualidade e por métodos de avaliação associados está aumentando e tem sido foco de muitos estudos na última década. Esse crescimento surge devido à busca por excelência acadêmica e para o apoio à tomada de decisões por parte de agências de financiamento para a alocação de recursos. Nesse contexto, há uma tendência a empregar técnicas bibliométricas, especialmente métodos estatísticos aplicados a citações. Com tanto material sendo pesquisado e publicado, resolveu-se explorar outra faceta para definição de indicadores de qualidade no contexto acadêmico visando a obtenção de resultados complementares e que garantam, através de sua validação experimental, uma melhor geração de indicadores. Desse modo, nesta tese, utiliza-se a tendência atual de estudos em análises de redes sociais, definindo métricas sociais específicas para definição de tais indicadores. Neste trabalho, é apresentada uma função para avaliação de qualidade de grupos de pesquisa com base nas colaborações internas entre seus pesquisadores membros. Estas colaborações são avaliadas através de análises em redes sociais bibliográficas acadêmicas baseadas em métricas de interação social. Com relação à identificação ou recomendação de colaborações, esta tese apresenta uma abordagem que considera tanto a parte de conteúdo quanto a de estrutura de uma rede. Especificamente, o conteúdo envolve a correlação entre os pesquisadores por áreas de pesquisa, enquanto a estrutura inclui a análise da existência de relacionamentos prévios entre os pesquisadores. Grande parte das abordagens que efetuam a recomendação de colaborações foca em recomendar especialistas em uma determinada área ou informação. Essas não consideram a área de atuação do usuário alvo da recomendação, como no caso da abordagem apresentada nesta tese. Além disso, neste trabalho, a obtenção de informações sobre os relacionamentos entre usuários, para construção de uma rede social acadêmica, é feita de forma implícita, em dados sobre publicações obtidos de bibliotecas digitais. Utilizando tais dados, também é possível explorar aspectos temporais para ponderação desses relacionamentos, utilizando-os para fins de recomendação de colaborações. Não foram encontrados trabalhos prévios nesse sentido. A presente abordagem inclui a recomendação não só de novas colaborações, como também, a recomendação de intensificação de colaborações já existentes, o que não é considerado por outros trabalhos relacionados. Dessa forma, pode-se dizer que os objetivos de recomendação da presente abordagem são mais amplos. Após propor novas técnicas para avaliação e identificação de parcerias, esta tese as valida através de uma avaliação experimental. Especificamente, experimentos com dados reais sobre as relações de coautoria entre pesquisadores pertencentes a diferentes grupos de pesquisa são apresentados para avaliação e demonstração da validade e da aplicabilidade das diferentes proposições desta tese referentes à avaliação de qualidade e recomendação de colaborações. / In technological fields, scientific research is performed through collaboration and cooperation of different researchers and research groups. In order to analyze and expand such collaborations, it is necessary to evaluate the level of cooperation between current partners as well as to identify new partners. Such an analysis and identification are not trivial tasks. Thus, approaches to evaluating and recommending collaborations are valuable to improve cooperation and, hence, improve research quality. Regarding the collaborations evaluation, the demand for quality assessment criteria and associated evaluation methods is increasing. Indeed, such evaluations have been the focus of many studies in the last decade. This growth arises from the pursuit of academic excellence and decision making of funding agencies. In this context, the trend is to employ bibliometric techniques, especially citation statistics. With so much material being researched and published, another facet for defining quality indicators is explored. Our goal is to obtain additional results that ensure, through its experimental validation, a better indicators generation. In this thesis, the current trend of studies in social network analysis is applied in the definition of such indicators. Specifically, we introduce a function for quality assessment of research groups based on internal collaborations among their member researchers. These collaborations are evaluated through analysis on bibliometric academic social networks based on metrics of social interaction. Regarding the collaborations recommendation, this thesis presents an approach that considers both the content and structure of research networks. The content involves the correlation among researchers by research areas whereas the structure includes the analysis of existing relationships among researchers. Most of the approaches that perform the collaborations recommendation focus on recommending experts in a certain area or information. They do not consider the working area of the recommendation target user, as we do in this thesis. Moreover, here, the information about the researchers’ relationships, employed for building an academic social network, is implicitly obtained through publications data available in digital libraries. Moreover, we expand previous analysis by considering temporal aspects to determine the relationships weights (which may be used to collaborations recommendation purposes). There were no previous studies in this direction. Our approach includes not only the recommendation of new collaborations, but also the recommendation of the collaborations intensification, which is not considered by other related work. After proposing new techniques for evaluating and identifying research collaborators, this thesis validates it through an experimental evaluation. Specifically, we evaluate and demonstrate the applicability of our techniques considering real datasets on the co-author relationships among researchers from different research groups.

Ambientes virtuais colaborativos de composição musical têm apresentado expressivo crescimento, acompanhando a tendência de disponibilização de serviços de apoio a atividades colaborativas na Internet. Tais plataformas fornecem um meio para que pessoas possam compartilhar uma experiência musical em conjunto remotamente. A atividade de composição musical, entretanto, é influenciada por diversos fatores subjetivos de origem pessoal, social e cultural; e encontrar pessoas com objetivos convergentes para colaborar em uma criação musical em conjunto têm se demonstrado como uma tarefa complexa e desgastante. Neste contexto, esta dissertação apresenta uma forma automatizada para aproximar pessoas com objetivos e preferências musicais compatíveis para colaborar entre si. Utilizando técnicas da área de sistemas de recomendação, este trabalho propõe uma abordagem híbrida de recomendação de parceiros – baseada em filtragem colaborativa e por conteúdo –, em ambientes colaborativos de composição musical. Ao longo deste trabalho, os principais conceitos e características da abordagem são apresentados, assim como um roteiro de sua implantação em um sistema real, o CODES – um ambiente de suporte à prototipação musical voltado à leigos. / Collaborative environments for musical composition have grown significantly lately, following the current tendency of providing services that support cooperative activities on the Internet. Such platforms provide a common way for people to share a musical experience remotely. However, the music composition activity is influenced by subjective factors of personal, social and cultural backgrounds. And the task of finding people with the same goals to collaborate with on a musical creation has been shown very complex and overwhelming. In this context, this dissertation explores an automated approach to approximate people with compatible objectives and musical preferences to compose together. Using techniques from the recommender systems’ area, it proposes a hybrid approach, based both on collaborative filtering and content-based recommendation, for recommending partners in collaborative environments for musical composition. Throughout this work, the key concepts, principles and characteristics of the approach are presented, as well as the details of its implementation in CODES, a real environment to support music creation by novices.

Orientador: Ricardo da Silva Torres / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação / Made available in DSpace on 2018-08-11T00:55:04Z (GMT). No. of bitstreams: 1 Pedronette_DanielCarlosGuimaraes_M.pdf: 7416929 bytes, checksum: be0fe860604d3545272fbe4bd4aaa8df (MD5) Previous issue date: 2008 / Resumo: Em virtude do crescimento acelerado de conteúdo nas mais diversas aplicações de bibliotecas digitais, a tarefa de localizar objetos digitais de interesse é cada vez mais desafiadora. Sob essa perspectiva, técnicas de recomendação procuram prover, de acordo com as preferências do usuário final, alternativas de escolha de objetos mantidos em uma biblioteca digital. Essa dissertação concentra-se em aspectos relacionados às técnicas de recomendação e suas interações com aplicações de bibliotecas digitais. Uma plataforma de serviços de recomendação, chamada RecS-DL, é proposta, visando ampliar as possibilidades de utilização das ferramentas de recomendação. A Plataforma RecS-DL apresentada é independente de domínio de aplicação, de tecnologias e técnicas de recomendação. O serviço de recomendação oferecido pode ser facilmente agregado a bibliotecas digitais clientes, assim como novos mecanismos de recomendação podem ser acoplados à plataforma de maneira dinâmica. Este trabalho também apresenta uma especificação formal da plataforma de serviços de recomendação proposta a partir do Arcabouço 5S. Para isso foram propostas novas definições e extensões de conceitos deste arcabouço. Por fim, são apresentados os resultados obtidos a partir de testes realizados com a plataforma. Experimentos foram conduzidos considerando bibliotecas digitais reais e avaliações por potenciais usuários. Resultados experimentais ratificam a hipótese de que a plataforma facilita a interoperabilidade de ferramentas de recomendação em bibliotecas digitais / Abstract: The increasing amount of data in the most diverse digital libraries applications makes the process of finding relevant digital objects a challenging task. From this perspective, recommendation techniques can provide, according to user preferences, relevant digital objects stored in a digital library.This dissertation focuses on recommendation techniques and their interactions with digital libraries applications. A platform for recommendation services, called RecS-DL, has been proposed to support the use of recommendation tools. The proposed RecS-DL Platform is independent of application domain, technology, and recommendation techniques. The recommendation services offered by the platform can be easily incorporated into digital libraries systems. Furthermore, new recommendation engines can also be plugged into the platform in a dynamic way. This work also presents a formal specification of the proposed platform, using the 5S Framework. To do this, new definitions and extensions of this framework are proposed. Finally, we present the results obtained from tests performed with the platform. Experiments were conducted considering real digital libraries and evaluations made by potential users. Experimental results confirm that the platform facilitates the interoperability of recommendation tools in digital libraries systems / Mestrado / Sistemas de Informação / Mestre em Ciência da Computação

Both literature and practice have looked at different strategies to diminish healthcare associated costs. As an extension to this stream of research, the present three paper dissertation addresses the issue of reducing elevated healthcare costs using analytics. The first paper looks at extending the benefits of auditing algorithms from mere detection of fraudulent providers to maximizing the deterrence from inappropriate behavior. Using the structure of the physicians' network, a new auditing algorithm is developed. Evaluation of the algorithm is performed using an agent-based simulation and an analytical model. A case study is also included to illustrate the application of the algorithm in the warranty domain. The second paper relies on experimental data to build a personalized medical recommender system geared towards re-enforcing price-sensitive prescription behavior. The study analyzes the impact of time pressure, and procedure cost and prescription prevalence/popularity on the physicians' use of the system's recommendations. The third paper investigates the relationship between patients' compliance and healthcare costs. The study includes a survey of the literature along with a longitudinal analysis of patients' data to determine factors leading to patients' non-compliance, and ways to alleviate it.

Detaljhandeln i fysiska butiker är utsatt av konkurrens från en betydligt mer innovationsrik e-handel och har därför ett behov av att vidareutvecklas. Ett sätt för detaljhandeln att utvecklas är att utnyttja tekniker som visats fungera bra inom e-handeln. Rekommendationssystem som ger rekommendationer till sina användare har nått stora framgångar och används av i stort sett alla företag inom e-handeln. Den mest använda tekniken för att ta fram rekommendationer kallas för collaborative filtering. Inom detaljhandel används dock inte detta i någon större utsträckning. Det finns därför förhållandevis lite kunskap om vad kunder anser om rekommendationer i butik. Syftet med studien är därför att utvärdera hur ett rekommendationssystem baserat på collaborative filtering presterar i en fysisk butik. Utvärderingen sker genom att mäta träffsäkerheten på rekommendationerna kunder får i en butik samt vad kunderna anser om dessa. Studien ämnar även att ta reda på hur kunder förhåller sig till automatiska rekommendationer i butik. I studien används två forskningsmetodiker för att uppnå dess forskningsmål. Design science har tillämpats för att utvärdera hur ett rekommendationssystem baserat på collaborative filtering presterar i en fysisk butik. En prototyp baserat på collaborative filtering utvecklades för att generera rekommendationer. Prototypen användes sedan i ett användartest som genomfördes i en butiksmiljö. För att belysa hur kunder förhåller sig till automatiska rekommendationer i butik användes en enkätundersökning som utfördes i samband med studiens användartest. Studiens resultat visar att prototypen gav rekommendationer med en hög träffsäkerhet där deltagarna upplevde rekommendationerna som bra och relevanta. Resultaten visar även att deltagarna i studien var positivt inställda till att få rekommendationer i butik. Detta leder till slutsatsen att rekommendationssystem baserat på collaborative filtering kan prestera väl i butiker vilket ger en indikation om att detta kan vara ett sätt för butiker att vidareutveckla handeln. / Retail stores are challenged by competition from the more innovative retailers in e-commerce and thus needs to adapt and evolve in order to stay competitive. This could be accomplished by using technology which has been proven successful in e-commerce. Recommender systems that produces recommendations to its users has been used successfully and is used by essentially all businesses involved in e-commerce. The most common method employed in these recommender systems is called collaborative filtering. Recommender systems have however not yet found its way into retail stores to a greater extent. This has led to a gap in knowledge regarding customer’s opinions of recommendations in retail stores. The purpose of this study is therefore to evaluate how recommender system based on collaborative filtering performs when used in retail stores. The evaluation is performed by measuring the accuracy of the recommendations a customer receives in a retail store as well as what the customer thinks of the recommendation. This study also intends to explore and shed light on people’s opinions concerning automatic recommendations in retail stores. Two different research methods have been used in this study. Design science is being used in order to evaluate how a recommender system based on collaborative filtering performs when used in retail stores. A prototype based on collaborative filtering was developed in order to generate recommendations. The prototype was then used in a user-test taking place in a retail-like environment. In order to shed light on people’s opinions regarding automatic recommendations in retail stores a questionnaire was handed out to the participants in conjunction with the user-test. The results of the study show that the prototype could produce high accuracy recommendations where the participants perceived the recommendations as good and relevant. The results also show that the participants of the study have positive attitude and were in favor of receiving automatic recommendations in retail stores. This leads to the conclusion that recommendations based on collaborative filtering could indeed perform well in retail stores. This indicates that recommender systems using collaborative filtering is one possible way for retail stores to evolve their business.

Recommendations are becoming more and more important in a world where there is an abundance of possible choices and e-commerce and content providers are featuring recommendations prominently. Recommendations based on explicit feedback, where user is giving feedback for example with ratings, has been a popular research subject. Implicit feedback recommender systems which passively collects information about the users is an area growing in interest. It makes it possible to generate recommendations based purely from a user's interactions history without requiring any explicit input from the users, which is commercially useful for a wide area of businesses. This thesis builds a recommender system based on implicit feedback using the recommendation algorithms katz-eig and link-analysis and analyzes and implements strategies for learning optimized parameters for different datasets. The resulting system forms the foundation for Comordo Technologies' commercial recommender system. / Rekommendationer blir viktigare och viktigare i en värld där det finns ett överflöd av möjliga val och där e-handel och innehållsleverantörer använder rekommendationer flitigt. Rekommendationer baserad på explicit återkoppling, där användare ger återkoppling med till exempel betyg, har varit ett populärt forskningsområde. Rekommendationssystem med implicit återkoppling som passivt samlar in information om användarna är ett område som blir mer och mer intressant. Det gör det möjligt att generera rekommendationer endast baserat på en användares interaktionshistoria utan krav på explicit input från användarna, vilket är kommersiellt användbart för en rad olika versamheter. Den här uppsatsen bygger ett rekommendationssystem med implicit återkoppling med rekommendationsalgoritmerna katz-eig och link-analysis och analyserar och implementerar optimeringsstrategier för inlärning av optimerade parameterar för olika dataset. Systemet lägger grunden för Comordo Technologies kommersiella rekommendationssystem.

The diploma thesis deals with the topic of recommendation in culture. In the theoretical part, it compares the recommendation of digitally available works with event recommendations, which serves as the basis for describing recommendations on the cultural portal. Further, the thesis examines the domain model as several different interconnected types of objects. Using these relations to enrich data sets allows overcoming the low data density and improving the recommendations. The paper examines two common situations of practical recommendation, general user recommendation with minimal profile and recommendation to registered users with known history. As a part of the solution, hybrid algorithms have been implemented based on the introducing content information into existing collaborative filtering methods. The results are verified in offline tests on data sets consisting of both research and real-world data. The subjective quality of the resulting recommendations was examined through a user study.

This diploma thesis is focused on content personalization and specifically on recommender systems. The aim of the thesis is to propose a methodology of recommender system implementation in e-commerce using the IT tool Soyka. Functions of personalization tools which directly support recommender systems are identified on the basis of a theoretical description of recommender systems and their technological approaches. Based on these identified functions the tool Soyka is classified. The main contribution of the thesis is the created and published methodology which is ready to be used on real implementation projects by anyone involved.

Due to the growth of online shopping and services, various types of products can be recommended to an individual. After reviewing the current methods for cross-domain recommendations, we believe that there is a need to make different types of recommendations by relying on a common base, and that it is better to depend on a target customer’s information when building the base, because the customer is the one common element in all the purchases. Therefore, we suggest a recommender system (RS) that develops a personality profile for each product, and represents items by an aggregated vector of personality features of the people who have liked the items. We investigate two ways to build personality profiles for items (IPPs). The first way is called average-based IPPs, which represents each item with five attributes that reflect the average Big Five Personality values of the users who like it. The second way is named proportion-based IPPs, which consists of 15 attributes that aggregate the number of fans who have high, average and low Big Five values. The system functions like an item-based collaborative filtering recommender; that is, it recommends items similar to those the user liked. Our system demonstrates the highest recommendation quality in providing cross-domain recommendations, compared to traditional item-based collaborative filtering systems and content-based recommenders.