Submitted by William Justo Figueiro (williamjf) on 2015-06-18T23:11:45Z No. of bitstreams: 1 33.pdf: 1765508 bytes, checksum: d921fbdef8015531446e414c52c66bf9 (MD5) / Made available in DSpace on 2015-06-18T23:11:45Z (GMT). No. of bitstreams: 1 33.pdf: 1765508 bytes, checksum: d921fbdef8015531446e414c52c66bf9 (MD5) Previous issue date: 2012 / Nenhuma / Este trabalho elabora de uma arquitetura de software que contempla dentro de dispositivos móveis na plataforma Android, a coleta de informações de contexto físico de localização (informações que são apenas coletadas em ambientes externos) e geração de contexto lógico de localização (informações que precisam de um processamento dos dados para ser encontradas em ambientes internos), estas informações são armazenadas em uma estrutura Web Semântica a qual sofrerá inferências para gerar mais um contexto lógico de recomendação de uso de recursos disponíveis no dispositivo móvel e anteriormente utilizados pelo usuário em um dado instante e local. A funcionalidade desta arquitetura será verificada com a construção de um protótipo na plataforma Android. Um dos desafios deste trabalho será coletar o contexto lógico de localização do dispositivo em locais internos, como prédios e casas, onde a intensidade do sinal do sistema de posicionamento global (GPS) é insuficiente para ser identificada, portanto neste trabalho será utilizado sensores acelerômetro e giroscópio presentes nos dispositivos móveis para calcular seu deslocamento. A localização interna será integrada a localização externa, formando um percurso contínuo. As informações coletadas no contexto físico são armazenadas em uma ontologia dentro do dispositivo móvel e sincronizadas com um servidor remoto. Outro desafio deste trabalho é o desenvolvimento de um agente de software que através dos dados armazenados na ontologia local, faz inferências nos dados armazenados na forma de Web Semântica e disponibiliza recomendações de uso de um determinado recurso, fundamentado apenas nos dados históricos de utilização destes recursos, relacionando a aproximação em determinado local com a frequência no tempo em relação ao mesmo horário do dia ou ao mesmo dia da semana e ao mesmo dia do mês. O armazenamento do contexto coletado, em uma estrutura Web Semântica, possibilita a união destas informações com demais informações coletadas de outros dispositivos contendo contextos que caracterizem um equipamento, um indivíduo ou uma sociedade. O resultado esperado da arquitetura apresentada neste trabalho, será o maior grau possível de precisão na posição geográfica identificada e a coerência das recomendações de uso de recursos disponíveis no dispositivo móvel em um dado instante e local. / This paper elaborates a software architecture that addresses within mobile devices on the Android platform, collecting information from the physical context of location (only information that is collected outdoors) and generation of logical context of location (information they need processing of the data to be found indoors) and stores this information in a Semantic Web structure which suffer inferences to generate a context logical of recommendation to use resources available on the mobile device and used previously by the user at a given time and local. The functionality of this architecture will be test by construction a prototype on the Android platform. One of the challenges of this work will be to collect the context of logical device location in indoor locations such as buildings and houses where the signal strength of the Global Positioning System (GPS) is insufficient to be identified, so this work will be used and accelerometer sensors gyroscope present in mobile devices to calculate your speed and direction. The location will be integrated inside the external location, forming a continuous path. The information collected in the physical context is stored in the ontology within the mobile device and synchronized with a remote server. Another challenge of this work is the development of a software agent that through data stored in the ontology on device, makes inferences on the data stored in the form of Web Semantic and provides recommendations for use of a given resource, based only on historical data of these resources by relating the approach in a certain place with the frequency in time over the same time of day or the same day of the week and the same day of the month. The architecture of this work is being called and Context Manager is integrated with the other two studies did not present this work: a Semantic Desktop with the task of identifying a resource that is being used to send and manager context; and Context's Federation, serving as a remote server, with the task of receiving context data collected by the context manager. The storage of context collected in a Web Semantic structure enables the union of this information with other context information that characterize a device, an individual or a society. The expected outcome of the architecture presented here will be the greatest possible degree of accuracy in the identified geographical position and consistency of recommendations for the use of resources available on the mobile device at a given time and place.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2017-09-13T16:22:48Z No. of bitstreams: 1 Dissertação Um estudo comparativo.pdf: 3269969 bytes, checksum: 0be6afcf0661e75bf4300977e37dd0cb (MD5) / Made available in DSpace on 2017-09-13T16:22:48Z (GMT). No. of bitstreams: 1 Dissertação Um estudo comparativo.pdf: 3269969 bytes, checksum: 0be6afcf0661e75bf4300977e37dd0cb (MD5) Previous issue date: 2017-11-17 / Capes / Sites de Compras Coletivas (SCC) correspondem a um tipo específico de site que tem como objetivo divulgar ofertas (produtos, serviços ou viagens) com alto valor de desconto, por um tempo determinado, o que proporciona ao vendedor das ofertas um maior número de negociações em um curto período de tempo. Para atingir esse objetivo, os SCC utilizam estratégias de marketing que vão desde a divulgação das ofertas em redes sociais até o envio de e-mails diários para os usuários cadastrados. No entanto, a divulgação das ofertas para a maioria dos SCC é realizada de forma não personalizada, de maneira que todos os usuários recebem diariamente o mesmo conjunto de ofertas divulgadas. Logo, por falta de personalização dessa divulgação, os usuários acabam por receber uma grande quantidade de ofertas irrelevantes ou desinteressantes. Nesse sentido, propomos o estudo de um Sistema de Recomendação que leve em consideração aspectos importantes para os usuários de SCC, aspectos estes definidos a partir da análise da base de dados real de uma empresa que atua no domínio de compras coletivas. Neste estudo, avaliamos quatro algoritmos aplicados aos dados desse domínio, dois desses algoritmos considerados estado da arte em recomendação. Discutimos os resultados obtidos a partir dos experimentos, indicando qual dos algoritmos apresenta maior eficácia no domínio estudado, de acordo com as métricas definidas neste trabalho. A avaliação do trabalho foi realizada por meio experimental em parceria com a empresa QueroDois, sediada em Ribeirão Preto - São Paulo. / Daily Deals Sites (DDSs) correspond to a specific website type designed to advertise offers (products, services or travel) at a significantly reduced prices, for a certain time, so the seller of the offers can make a large number of negotiations in a short period of time. To achieve this goal, the DDSs use marketing strategies ranging from advertising the offers on social network until to sending daily e-mails to registered users. However, the disclosure of the offers for most DDSs is not performed in a personalized manner, so all users receive the same set of daily offers. Thus, because of the lack of customization of this disclosure, users end up receiving a large amount of irrelevant or uninteresting offerings. Accordingly, we propose the study of a Recommender System that takes into account important aspects of users of DDSs. This aspects are defined by analyzing the real database of a company engaged in the group of buying domain. We evaluated four algorithms applied to data in this domain, two of these considered state of the art on recommendation, and discuss the results obtained from the experiments, also indicating which of those algorithms presents better efficacy, according to the metrics defined in this work. The evaluation of this work was performed by experimental means in partnership with company QueroDois, based in Ribeirão Preto - São Paulo.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-09-02T13:47:24Z No. of bitstreams: 1 LEONARDO SOARES E SILVA - DISSERTAÇÃO PPGCC 2012..pdf: 18507669 bytes, checksum: bf0fea9d5676260e8d9ac8cb53c6b9c6 (MD5) / Made available in DSpace on 2018-09-02T13:47:24Z (GMT). No. of bitstreams: 1 LEONARDO SOARES E SILVA - DISSERTAÇÃO PPGCC 2012..pdf: 18507669 bytes, checksum: bf0fea9d5676260e8d9ac8cb53c6b9c6 (MD5) Previous issue date: 2012-02-05 / Em uma sociedade cada vez mais individualista e exigente, o aumento na demanda por produtos personalizados e adaptados às necessidades individuais se reflete diretamente na publicidade. Consumidores estão expostos diariamente a inúmeros meios de comunicação e requerem anúncios de produtos de seu interesse para que a mensagem seja lembrada. ma alternativa para tornar o anúncio relevante é adequá-lo às expectativas do consumidor. A publicidade pervasiva se mostra viável à realização desse processo, por possibilitar a veiculação de anúncios adaptados ao contexto do consumidor. sinalização digital é um exemplo de publicidade pervasiva e vem ganhando destaque pelo seu crescimento, oportunidades apresentadas e pelo barateamento das tecnologias que tornam viável a sua utilização. A sinalização digital possibilita a entrega de anúncios adaptados às necessidades dos consumidores, utilizando elementos gráficos com maior potencial para atrair sua atenção, além de possibilitar a exibição dos anúncios em momentos oportunos. Com o objetivo de tornai- a sinalização digital mais adaptada aos consumidores, diversas abordagens foram propostas. No entanto, a maioria dessas abordagens depende de interações explícitas com o consumidor, o que pode não ocorrer devido à casualidade desse meio de comunicação. trabalho propõe-se um método para tornar mais efetiva a seleção de anúncios sem a necessidade de interação e retorno do consumidor. O método proposto baseia-se no uso da informação sobre o público alvo e interesses relacionados aos produtos. O método foi testado e validado com a comparação a outras abordagens identificadas na literatura e de propósitos similares. Os testes foram realizados em um experimento com a participação de 112 entrevistados, obtendo-se resultados satisfatórios e compatíveis com abordagens que exigem a interação e o retorno explícito do consumidor. / world where the consumer's individual demand is ever growing, the increase in the desire for custom products causes a direct impact in publicity. Consumers are daily exposed to a myriad of communication media and require advertisements for products of interest. An alternative to make advertisement relevant to the interests of the consumers is making it customizable. Pervasive advertising makes feasible that process, because it allows advertisements to be adapted to the consumer's context. Digiital Signage is an example of pervasive advertising and has received increasing attention for its growth in adoption. Price drop on related technologies makes its adoption viable. Digital signage allows adapting and presenting advertisements to the consumers, using graphical elements which can be used to get further attention from the consumers. Also, this media can make the advertisements situational. Several approaches were proposed in order to adapt Digital Signage for the consumers. Most of these, however, depend on the explicit interaction with the consumer which may not take place due to the casualness of the communication media. In this work, we propose a method for making the advertisements selection more effective without the need for interaction with the customers. This method is based on information about the target audience and products of interest. The method was validated, tested and compared with other methods with similar purposes. The tests were performed in an experiment involving 112 interviewed. The results were satisfactory and compatible with approaches that require explicit interaction.

Recommender Systems are used by many companies that operate e-commerce to suggest items to its customers in a customized way. To achieve this end, these systems analyze the profile of the users through their personal data or by its interaction with the computing environment. Virtual Learning Environments, in turn, are computational environments used in teaching and learning in distance education, and aims to mediate the interactions among their users, such as teachers and students. In these environments are usually stored teaching materials used in courses such as word processing documents, brochures, and even audio and video. Over time, the number of textbooks tends to grow, making it important to have a tool that makes customized recommendations for users of the environment. Given these concepts, this work addresses the creation of a recommender system model of instructional materials to be used in Virtual Learning Environments, in order to suggest to users, instructional materials consistent with their profile. The creation of a recommendation system architecture, used in implementing a computer system model, to test and verify its operation, as the algorithm for generating recommendations, will also be addressed. Finally, the paper addresses the experimental work with students in an extension course, where the results regarding the recommendations generated have been identified / Sistemas de Recomendação são utilizados por várias empresas que atuam em comércio eletrônico para sugerir itens aos seus clientes, de forma personalizada. Para alcançar essa finalidade, esses sistemas analisam o perfil dos usuários, por meio dos seus dados pessoais ou pelas suas interações com o ambiente computacional. Ambientes Virtuais de Aprendizagem, por sua vez, são ambientes computacionais, usados no processo de ensino-aprendizagem na educação a distância, e tem como objetivo intermediar as interações entre seus usuários, tais como professores e alunos. Nesses ambientes geralmente são armazenados materiais didáticos utilizados nos cursos, tais como documentos de texto, apostilas, e até mesmo arquivos de áudio e vídeo. Com o passar do tempo, o número de materiais didáticos tende a crescer, tornando-se importante a existência de uma ferramenta que faça recomendações personalizadas aos usuários do ambiente. Diante desses conceitos, este trabalho aborda a criação de um modelo de sistema de recomendação de materiais didáticos, a ser utilizado em Ambientes Virtuais de Aprendizagem, de forma a sugerir, aos usuários, materiais didáticos compatíveis com o seu perfil. Será abordada também a criação de uma arquitetura de sistema de recomendação, utilizada na implementação de um módulo de sistema computacional, para testar e verificar o funcionamento do modelo, assim como do algoritmo gerador de recomendações. Por fim, o trabalho aborda a realização do experimento com alunos de um curso de extensão, onde foram identificados os resultados referentes às recomendações geradas

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-05-01T13:20:15Z No. of bitstreams: 1 JANDERSON JASON BARBOSA AGUIAR - DISSERTAÇÃO PPGCC 2015..pdf: 4415910 bytes, checksum: f0d6a47b1a591745921f0dde35a45bb1 (MD5) / Made available in DSpace on 2018-05-01T13:20:15Z (GMT). No. of bitstreams: 1 JANDERSON JASON BARBOSA AGUIAR - DISSERTAÇÃO PPGCC 2015..pdf: 4415910 bytes, checksum: f0d6a47b1a591745921f0dde35a45bb1 (MD5) Previous issue date: 2015-08-25 / Capes / Os Objetos de Aprendizagem (OA) utilizados em cursos presenciais ou à distância são armazenados em ambientes computacionais usados no processo de ensino-aprendizagem com tendência de crescimento da sua quantidade com o passar do tempo. Apesar dos Sistemas de Recomendação (SR) serem atualmente utilizados com sucesso para recomendar itens em vários domínios, o contexto educacional possui particularidades (por exemplo, questões pedagógicas) que tornam ainda mais desafiadora a criação desses sistemas. A Personalidade — que pode ser definida como um padrão de comportamento consistente originado internamente no indivíduo — influencia o processo de tomada de decisão. Além disso, há a preocupação com os Estilos de Aprendizagem (EA), a partir dos quais os aprendizes percebem, processam e retêm as informações. Diante do exposto, a pesquisa ora descrita visa a propor um modelo de Sistema de Recomendação Educacional (SRE) utilizando os conceitos de EA e Personalidade na construção do perfil dos discentes, para realizar uma seleção personalizada de OA a serem recomendados. Embora ainda seja desafiador criar SRE envolvendo a extração e inserção dos conceitos psicológicos comentados, nesta dissertação é apresentado e avaliado um modelo que recomenda OA, seguindo o padrão IEEE LOM, a partir da extração dos EA via inventário ILS (Index of Learning Styles) e da extração dos Traços de Personalidade (TP) via Five Labs, ferramenta online de análise semântica de postagens do Facebook. Considerando métricas utilizadas em SR, um experimento realizado com alunos de Ciência da Computação indicou que o modelo proposto proporcionou resultados melhores ou similares, em comparação a outras abordagens de recomendação pesquisadas. Portanto, a abordagem proposta se mostra promissora para a recomendação personalizada de conteúdo no âmbito educacional. / Learning Objects (LO) used in on-site courses or distance learning are stored in computing environments used in the teaching-learning process, and tend to grow their numbers over time. Although Recommendation Systems (RS) are currently being used successfully to recommend items in various fields, the educational context has special features (for example, pedagogical issues) which make the creation of such systems even more challenging. The Personality — which can be defined as a consistent pattern of behavior originated internally in an individual — influences the decision-making process. In addition, there is concern with the Learning Styles (LS), through which learners perceive, process, and retain information. Based on the above considerations, this research aims to propose a model of RS for Learning (RSL) using the concepts of LS and Personality in building the profile of students, in order to make a custom selection of LO to be recommended. Although it is still challenging to create RSL involving the extraction and insertion of psychological concepts as previously mentioned, in this dissertation a model that recommends LO is presented and evaluated, following the IEEE LOM standard, based on the extraction of LS via Index of Learning Styles and of Personality Traits (PT) via Five Labs, an online tool for semantic analysis of Facebook posts. Considering metrics known in RS, an experiment with computer science students indicated that the proposed model provided similar or better results when compared to other recommendation approaches. Therefore, the proposed approach seems promising for personalized content recommendation in the education field.

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2015-03-24T14:51:12Z No. of bitstreams: 2 Dissertação - Vinícius Rafael Lobo de Mendonça - 2014.pdf: 4110263 bytes, checksum: 2e2be342a6c3301f64fa41a675b85ba9 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2015-03-24T14:55:54Z (GMT) No. of bitstreams: 2 Dissertação - Vinícius Rafael Lobo de Mendonça - 2014.pdf: 4110263 bytes, checksum: 2e2be342a6c3301f64fa41a675b85ba9 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2015-03-24T14:55:54Z (GMT). No. of bitstreams: 2 Dissertação - Vinícius Rafael Lobo de Mendonça - 2014.pdf: 4110263 bytes, checksum: 2e2be342a6c3301f64fa41a675b85ba9 (MD5) license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) Previous issue date: 2014-11-19 / Recommendation systems try to guide the user carrying out a task providing him with useful information about it. Considering the context of software development, programs are ever increasing, making it difficult to carry out a detailed verification of warnings generated by automatic static analyzers. In this work, we propose a recommendation system, called WarningsFIX, which aims at helping developers on handling the high number of warnings reported by automatic static analyzers. The back end of this system is composed of seven open-source static analysis tools collecting data, which subsequently are used for visualizing information through TreeMaps. The intention is to combine the outcomes of different static analyzers such that WarningsFIX recommends the analysis of warnings with highest chance to be a true positive. Therefore, the information related to warnings are displayed in four levels of detail: program, package, class, and line. The nodes may be classified in the first three levels: amount of warnings, number of tools and suspicions rate. An exploratory study was carried out and the limitations, advantages and disadvantages of the proposed approach were discussed. / O Sistema de Recomendação apoia um usuário na realização de uma tarefa. Considerando o atual contexto do desenvolvimento de software, programas estão cada vez maiores, tornando difícil a realização de uma avaliação detalhada dos avisos gerados pelos analisadores estáticos. Nesse trabalho, propõe-se um sistema de recomendação, chamado WarningsFIX, que tem objetivo de ajudar os desenvolvedores manipular o alto nível dos avisos emitidos pelos analisadores estáticos. O back end desse sistema é composto de sete ferramentas de análise estática de código aberto para coleta de dados, que são visualizados por meio de TreeMap. O objetivo é combinar os resultados de diferentes analisadores estáticos, assim recomendar a análise de avisos com alta chance de ser verdadeiro positivo. Portanto, a informações relacionadas ao nó são visualizadas em quatro níveis de visualização: programa, pacote, classe e linha. Além disso, os nós podem ser classificados em três tipos: quantidade de avisos, quantidade de ferramentas e taxa de suspeição. Um estudo exploratório foi realizado e as limitações, vantagens e desvantagens da abordagem proposta foram discutidas.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The management of problems occurred in environments that make use of Information Technology (IT), coupled with the need for a rapid response support teams, makes organizations require systems to manage these incidents. The Service Desk presents itself as a good solution to centralize these records. Concepts based computing context, recommender systems, mobile computing can enhance these applications. Therefore, the aim of this work is to design and implement a system of Service Desk Mobile, called Mobile Service Desk (MSD), which adds context awareness features such as user location, technical experience and temporal context. Moreover, the tool is integrated into a recommendation system, which stores past interactions and suggests as a possible solution for new similar incidents occurring in the managed environment. As contributions of this work, in addition to system design that aims to reduce unnecessary time-shift and optimize the allocation of technical, algorithms were compared for similarity analysis and applied to NBR 9241-11 for usability evaluation of some products Service Desk. / A gerência dos problemas ocorridos em ambientes que fazem uso da Tecnologia da Informação (TI), aliada a necessidade de uma resposta rápida das equipes de suporte, faz com que organizações necessitem de sistemas para gerenciamento desses incidentes. O Service Desk apresenta-se como uma boa solução para centralizar estes registros. Conceitos de computação baseada em contexto, sistemas de recomendação, computação móvel podem incrementar estes aplicativos. Portanto, o objetivo deste trabalho é projetar e implementar um sistema de Service Desk móvel, denominado Mobile Service Desk (MSD), que agrega funcionalidades de sensibilidade ao contexto, tais como localização do usuário, experiência do técnico e contexto temporal. Além disso, está integrado à ferramenta um sistema de recomendação, que armazena interações passadas e as sugere como possível solução para novos incidentes similares ocorridos no ambiente gerenciado. Como contribuições deste trabalho, além do projeto do sistema que visa redução de tempo com deslocamentos desnecessários e otimização do alocamento de técnicos, foram comparados algoritmos para análise de similaridade e aplicado a norma NBR 9241-11 para avaliação de usabilidade de alguns produtos de Service Desk.

Recommendation systems have traditionally recommended items to individual users. In some scenarios, however, a recommendation for a group of individuals is necessary. The difficulty in performing recommendation for a group is how to properly deal with the preferences of its members to generate the recommendation. Different methods of aggregating these preferences have been proposed in the scientific literature, where the main goals are to maximize the average satisfaction of the group and ensure justice in the group recommendation. However, characteristics of the group greatly influence the results obtained by various aggregation methods. This paper defends the hypothesis that the Recommendation for Group of users can be modeled as a problem of finding the items in Nash Equilibrium. The items available for potential recommendation are modeled as actions of a Non-Cooperative Game. This approach selects items in a rational manner and treats members of the group as self-interested players. This ensures the existence of at least one Nash equilibrium as a solution to the group recommendation. The experiment compares the group average satisfaction between the proposed approach and some State of the Art aggregations strategies among them one known as Average. For groups of different levels of homogeneity, the results are very promising. Another hypothesis defended in this dissertation is that the formation of a group of users within a given context should be based on Alliance Structures with the goal of maximizing total Social Welfare of the group. While most recommender systems for groups recommend to a fixed group and predetermined user, groups organization can be performed according to a goal, for example, the suggestion of more homogeneous subgroups for better items recommendation for each of these subgroups. An experiment compared the outcome of the groups formation approach based on Alliance Structures with an approach based on a clustering method using K-Means algorithm. The results showed that the groups formed according to this new approach have an internal similarity index greater. / Sistemas de Recomendação tradicionalmente recomendam itens para usuários individuais. Em alguns cenários, entretanto, a recomendação para um grupo de indivíduos faz-se necessária, onde a grande dificuldade é como lidar adequadamente com as preferências de seus integrantes para geração da recomendação. Diferentes métodos de agregação dessas preferências têm sido propostos na literatura científica relacionada, onde o objetivo principal é a maximização da satisfação média do grupo e assegurar justiça na recomendação. Porém, características do grupo influenciam sobremaneira os resultados obtidos pelos diferentes métodos de agregação. Esta dissertação defende a hipótese de que a Recomendação para Grupo de usuários pode ser modelada como um problema de encontrar os itens em Equilíbrio de Nash. Os itens disponíveis para potencial recomendação são modelados como ações de um Jogo Não-Cooperativo. A abordagem seleciona os itens de forma racional e trata os membros do grupo como jogadores com interesses próprios. Garante-se a existência de ao menos um Equilíbrio de Nash como solução para a recomendação. O experimento realizado compara a satisfação média do grupo entre a abordagem proposta e estratégias de agregaçãos entre elas a conhecida como Average, pertencente ao Estado da Arte. Para grupos de diferentes níveis de homogeneidade, os resultados alcançados são bastante promissores. Uma outra hipótese defendida nesta dissertação é a de que a formação de um grupo de usuários dentro de um determinado contexto deve ser baseada em Estruturas de Aliança com o objetivo de maximizar o bem-estar social total do grupo (Social Welfare). Enquanto a maioria das recomendações para grupos são realizadas para um grupo fixo e pré-determinado de usuários, a organização em grupos poderia ser de acordo com um objetivo. Um experimento comparou o resultado da abordagem de formação de grupos baseadas em Estruturas de Aliança com uma abordagem baseada em agrupamento com o algoritmo K-Means. Resultados mostraram que os grupos formados com a nova abordagem possuem um índice de similaridade interna maior.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-04-09T19:37:26Z No. of bitstreams: 1 ANDRYW MARQUES RAMOS - DISSERTAÇÃO PPGCC 2014..pdf: 16053506 bytes, checksum: fdeece58c13c7b38ceb6c8b06f9d516b (MD5) / Made available in DSpace on 2018-04-09T19:37:26Z (GMT). No. of bitstreams: 1 ANDRYW MARQUES RAMOS - DISSERTAÇÃO PPGCC 2014..pdf: 16053506 bytes, checksum: fdeece58c13c7b38ceb6c8b06f9d516b (MD5) Previous issue date: 2014-09-05 / Abuscapornovidadesmusicais,sejamelasmúsicas,álbunsouartistas,éumaspectocentral no hábito das pessoas quando se trata de música. E esta procura aumentou principalmente porcausadagrandequantidadedemúsicadisponívelecomfácilacessoproporcionadopelo avanço de tecnologias como Last.FM, Spotify, Youtube, Itunes, entre outros. Porém, devido a esta grande disponibilidade, nem sempre é fácil a descoberta de novidades que sejam relevantes. Para resolver este problema, muitos esforços foram elaborados. O presente trabalho tenta expandir estes esforços tratando a novidade de maneira multidimensional, de acordo com dois aspectos: familiaridade (o quanto o ouvinte conhece outras músicas/ artistas similares à novidade) e popularidade (o quão essa música / artista é conhecida pelos ouvintes em geral). Esta visão multidimensional da novidade é uma visão mais rica e pode aperfeiçoar ferramentas que dão suporte a descoberta de novidades para ouvintes, como sistemas de recomendação, sites, fóruns, etc. Desta maneira analisamos as preferências dos ouvintes por artistas com novidade (artistas que nunca foram escutados anteriormente pelo ouvinte) baseadas nestes dois aspectos. Para isso foi estudado os hábitos de escuta dos usuários do Last.FM, rede social musical que registra o que os usuários escutam. Os resultados sugerem que não existe uma preferência geral dos ouvintes po ralguma specto das novidades. Os ouvintes tendem a formar grupos baseados nas preferências pelos aspectos das novidades. Estes resultados sugerem um tratamento específico para estes grupos de ouvintes, como um sistema de recomendação que leve em conta estas preferências. Outro estudo realizado neste trabalho compara as preferências dos ouvintes pelos aspectos tanto dos artistas com novidade quanto dos artistas já conhecidos. Este estudo apontou que as preferências dos ouvintes para estes dois âmbitos são diferentes, onde os ouvintes tendem a formar grupos baseados nestas diferentes preferências. Este resultado implica que o âmbito das novidades e o âmbito do que já se conhece não deve ser tratado da mesma maneira. / The search for new music, e.g. songs tracks, albums or artists, is a central aspect in the people’s listening habit. And this pursuit increased because of the large amount of available music and the easy access provided by the advance of technologies like Last.FM, Sportify, Youtube, Itunes. However, due to this high music availability, it is not always easy to discover relevant novelties. This study attempts to expand the studies about music novelties by investigating how the music preferences of listeners are affected by two different aspects of novel artists: familiarity (how much the listener knows other artists similar to the novelty) and popularity (how this artist is known by listeners in general). The study supports this multidimensional view of novelty, which is a richer view and it enables the improvement of tools that support the discovery of music novelties for listeners, as recommender systems, websites,forums,etc. WecollectedandanalyzedhistoricaldatafromLast.fmusers,apopular online music discovery service. The results suggest that there is not a general preference for some aspect of novelty. Listeners tend to form groups based on the preferences for the novelty aspects. These results suggest a specific treatment for these groups of listeners, e.g., a recommendation system considering these preferences. Another study performed compares the listeners preferences by aspects of both novelty artists and artists already known. This study showed that the listeners preferences for these two spheres are different, where listeners tend to form groups based on these different preferences. This result implies that the scope of novelty and the scope of what is already known should not be treated the same way.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-04-12T20:38:00Z No. of bitstreams: 1 IURY DEWAR CRUZ DE OLIVEIRA NUNES - DISSERTAÇÃO PPGCC 2014..pdf: 1148640 bytes, checksum: 9e084516af4065804bc3489d60d75384 (MD5) / Made available in DSpace on 2018-04-12T20:38:00Z (GMT). No. of bitstreams: 1 IURY DEWAR CRUZ DE OLIVEIRA NUNES - DISSERTAÇÃO PPGCC 2014..pdf: 1148640 bytes, checksum: 9e084516af4065804bc3489d60d75384 (MD5) Previous issue date: 2014-08-28 / As Redes Sociais Baseadas em Localização (RSBL) surgiram com o propósito de permitir que os usuários possam compartilhar com sua rede de amigos informações a respeito dos pontos de interesse (POIs) que eles visitaram. Neste contexto, a capacidade de recomendar novos lugares para que os usuários possam visitar é importante, pois pode, eventualmente, melhorar a experiência destes usuários ao utilizar o sistema. O contexto geogr´afico certamente influencia os usu´arios na hora de escolher os locais a serem visitados. Sendo assim, inicialmente analisamos este contexto de forma isolada, através de recomendadores de POIs puramente baseados em informacões geográficas. Além disso, propomos um novo recomendador puramente geográfico baseado em Kernels Gaussianos. Os resultados dos nossos experimentos demonstraram que o modelo proposto consegue alcançar uma maior acurácia que os recomendadores puramente geográficos presentes no estado-da-arte na maioria dos casos avaliados. Porém esta mesma análise demonstrou que o contexto geográfico isoladamente não é capaz de gerar recomendações com alta acurácia de forma geral. Logo, ao modelar um recomendador de POIs é necessário combinar as informações geográficas com outros contextos a fim de melhorar sua acurácia. Sendo assim, também propomos um novo recomendador de POIs que consegue capturar as preferências de usuários (de forma similar às técnicas de filtragem colaborativa) e informações geográficas em um único modelo baseado em difusão de grafos. Este recomendador visa aprender um ranking personalizado de lugares a serem recomendados para cada usuário levando em consideração os lugares visitados por outros usuários com preferências similares, as distâncias entre os lugares visitados e os lugares candidatos à recomendação, e as regiões as quais o usuário visita mais frequentemente. Os nossos experimentos mostraram que este modelo consegue ser mais eficiente que os modelos de recomendações de POIs presentes no estado-da-arte, além de conseguir alcançar uma acurácia igual ou superior às abordagens comparadas. todos os experimentos foram realizados utilizando dados reais de uma das RSBL mais populares atualmente: o Foursquare. / Location-Based Social Networks (LBSN) emerged with the purpose of allowing users to share, with their friends, information about points of interest (POIs) they visited. In this context, the ability to recommend new places for users to visit is important because it can eventually improve the overall user experience while using the system. The geographical context certainly influences the locations that the users choose to visit. Therefore, initially we analyzed this context separately, through the recommenders of POIs purely based on geographical information. Furthermore, we propose a new geographicaware recommender based on Gaussian Kernels. The results of our experiments demonstrated that the proposed model can achieve higher accuracy than the state-of-the art recommenders solely based on geographical information, in most of the cases evaluated. However, this same analysis showed that the geographical context alone is not able to generate recommendations owith high accuracy. So to model a new recommender of POIs, it is necessary to combine geographic information with other contexts in order to achieve high accuracy. Thus, we also propose a new recommender of POIs that can capture the preferences of users (similar to collaborative filtering techniques) and geographical information in a single model based on diffusion on graphs. This recommender aims to learn a personalized ranking of places to be recommended for each user taking into consideration the places visited by other users with similar preferences, the distances between the places visited and places candidates for recommendation, and the regions which the user visits more often. Our experiments showed that this model can be more efficient than state-of-the-art recommenders of POIs, also achieving an accuracy equal to or greater than the compared approaches. All experiments were conducted using real data from one of the most popular RSBL nowadays: Foursquare.