Com o intuito de auxiliar usuários na procura por produtos relevantes, sistemas Web integraram módulos de recomendação de itens, que selecionam automaticamente conteúdo de acordo com os interesses de cada indivíduo. Apesar de existirem diversas abordagens para calcular recomendações de acordo com interações disponíveis no sistema, a maioria delas sofre com a carência de informações utilizadas para caracterizar as preferências dos usuários e as descrições dos itens. Trabalhos recentes sobre sistemas de recomendação têm estudado a possibilidade de utilizar revisões de usuários como fonte de metadados, já que são criadas colaborativamente pelos indivíduos. Entretanto, ainda carecem de estudos sobre como organizar e estruturar os dados de maneira semântica. Desta maneira, este trabalho tem como objetivo desenvolver técnicas de construção de representação de itens baseadas em descrições colaborativas para um sistema de recomendação. Objetiva-se analisar o impacto que métodos distintos de desambiguação lexical de sentido causam na precisão da recomendação, sendo avaliada no cenário de predição de notas. A partir dessa estruturação, é possível caracterizar os itens e usuários de maneira mais eficiente, favorecendo o cálculo da recomendação de acordo com as preferências do indivíduo. / Web systems integrate recommending modules for items, which automatically select content according to the interest of each individual in order to help users in the search for relevant products. Although there are diverse recommending approaches to calculate recommendations according to users preferences, most of them lack information to characterize users preferences and item descriptions. Recent researches on recommender systems have studied the possibility of using users reviews as source of metadata, because users create them collaboratively. However, the literature still lacks studies about how to organize and structure data in a semantic manner. Therefore, this study aims to develop techniques for constructing the representation of items based on collaborative descriptions for recommender systems. For this reason, it is also aimed to analyze the impact caused by distinct methods of word sense disambiguation on the precision of recommendations, which we analyzed in the scenario of ratings predictions. Our results showed that we can characterize users and items in a more efficient way, favoring the calculation of recommendations according to users preferences.

O número de atividades disponibilizadas pelos sistemas gerenciadores de workflows científicos é grande, o que exige dos cientistas conhecerem muitas delas para aproveitar a capacidade de reutilização desses sistemas. Para minimizar este problema, a literatura apresenta algumas técnicas para recomendar atividades durante a construção de workflows científicos. Este projeto especificou e desenvolveu um sistema de recomendação de atividades híbrido, considerando informação sobre frequência, entrada e saídas das atividades, e anotações ontológicas para recomendar. Além disso, neste projeto é apresentada uma modelagem da recomendação de atividades como um problema de classificação e regressão, usando para isso cinco classificadores; cinco regressores; um classificador SVM composto, o qual usa o resultado dos outros classificadores e regressores para recomendar; e um ensemble de classificadores Rotation Forest. A técnica proposta foi comparada com as outras técnicas da literatura e com os classificadores e regressores, por meio da validação cruzada em 10 subconjuntos, apresentando como resultado uma recomendação mais precisa, com medida MRR ao menos 70% maior do que as obtidas pelas outras técnicas / The number of activities provided by scientific workflow management systems is large, which requires scientists to know many of them to take advantage of the reusability of these systems. To minimize this problem, the literature presents some techniques to recommend activities during the scientific workflow construction. This project specified and developed a hybrid activity recommendation system considering information on frequency, input and outputs of activities and ontological annotations. Additionally, this project presents a modeling of activities recommendation as a classification problem, tested using 5 classifiers; 5 regressors; a SVM classifier, which uses the results of other classifiers and regressors to recommend; and Rotation Forest , an ensemble of classifiers. The proposed technique was compared to other related techniques and to classifiers and regressors, using 10-fold-cross-validation, achieving a MRR at least 70% greater than those obtained by other techniques

O crescimento acelerado da internet proporcionou uma quantidade grande de informações acessíveis aos usuários. Ainda que tal quantidade possua algumas vantagens, os usuários que possuem pouca ou nenhuma experiência para escolher uma alternativa dentre as várias apresentadas terão dificuldades em encontrar informações (ou itens, considerando o escopo deste trabalho) úteis e que atendam às suas necessidades. Devido a esse contexto, os sistemas de recomendação foram desenvolvidos para auxiliar os usuários a encontrar itens relevantes e personalizados. Tais sistemas são divididos em diversas arquiteturas. Como exemplo estão as arquiteturas baseadas em: conteúdo, filtro colaborativo e conhecimento. Para este trabalho, a primeira arquitetura foi explorada. A arquitetura baseada em conteúdo recomenda itens ao usuário com base na similaridade desses aos itens que o usuário mostrou interesse no passado. Por consequência, essa arquitetura possui a limitação de, geralmente, realizar recomendações com baixa serendipidade, uma vez que os itens recomendados tendem a ser semelhantes àqueles observados pelo o usuário e, portanto, não apresentam novidade ou surpresa. Diante desta limitação, o aspecto de serendipidade tem destaque nas discussões apresentadas neste trabalho. Assim, o objetivo deste trabalho é minimizar o problema da baixa serendipidade das recomendações por meio da utilização da análise de similaridades parciais implementada usando ensemble de agrupamentos. Para alcançar este objetivo, estratégias de recomendação baseadas em conteúdo implementadas usando agrupamento e ensemble de agrupamento foram propostas e avaliadas neste trabalho. A avaliação contou com análises qualitativas sobre as recomendações produzidas e com um estudo com usuários. Nesse estudo, quatro estratégias de recomendação de notícias foram avaliadas, incluindo as duas propostas neste trabalhos, uma estratégia baseada em recomendação aleatória, e uma estratégia baseada em coagrupamento. As avaliações consideraram aspectos de relevância, surpresa e serendipidade de recomendações. Esse último aspecto é descrito como itens que apresentam tanto surpresa quanto relevância ao usuário. Os resultados de ambas análises mostraram a viabilidade da utilização de agrupamento como base de recomendação, uma vez que o ensemble de agrupamentos obteve resultados satisfatórios em todos os aspectos, principalmente em surpresa, enquanto a estratégia baseada em agrupamento simples obteve os melhores resultados em relevância e serendipidade / The accelerated growth of the internet has provided a large amount of information accessible to users. Although this amount of information has some advantages, users who have little or no experience in choosing one of several alternatives will find it difficulty to find useful information (or items, considering the scope of this work) that meets their needs. Due to this context, recommender systems have been developed to help users find relevant and personalized items. Such systems are divided into several architectures as content-based, collaborative filtering and knowledge-based. The first architecture was explored in this work. The content-based architecture recommends items to the user based on their similarity to items that the user has shown interest in the past. Consequently, this architecture has the limitation of generally making recommendations with low serendipity, since the recommended items tend to be similar to those observed by the user and, therefore, do not present novelty or surprise. Given this limitation, the aspect of serendipity is highlighted in the discussions presented in this work. Thus, the objective of this work is to minimize the problem of the low serendipity of the recommendations through the use of the partial similarity analysis implemented using cluster ensemble. To achieve this goal, content-based recommendation strategies implemented using clustering and cluster ensemble were proposed and evaluated. The evaluation involved qualitative analysis of the recommendations and a study with users. In such a study, four news recommendation strategies were evaluated including the two strategies proposed in this work, a strategy based on random recommendation, and a strategy based on co-clustering. The evaluations considered aspects of relevance, surprise and serendipity of recommendations. This last aspect is described as items that present both surprise and relevance to the user. The results of both analyzes showed the feasibility of using clustering as the basis of recommendation, since cluster ensemble had satisfactory results in all aspects, mainly in surprise, whereas the simple clustering-based strategy obtained the best results in relevance and serendipity

Orientadora: Profa. Dra. Itana Stiubiener / Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2014. / A partir do uso das Tecnologias de Informação e Comunicação (TIC) no apoio ao processo de aprendizagem, as diversas ferramentas utilizadas com esta finalidade como: ambientes virtuais de aprendizagem (AVA), cursos online, portais educacionais costumam disponibilizar conteúdos e outros recursos educacionais por meio de repositórios de Objetos de Aprendizagem (OAs). São exemplos de OAs: atividades, avaliações, vídeos, dentre outros, ou seja, toda e qualquer entidade que possa ser utilizada para aprendizagem, educação ou treinamento. O uso de OAs em ambientes digitais pode enriquecer a aprendizagem dos estudantes, entretanto, a partir do aumento da disponibilidade de tais recursos, surge a necessidade de melhorar a busca e seleção desses itens nos diversos repositórios. Os estilos pessoais de aprendizagem, ou seja, o modo como os indivíduos absorvem, processam e transformam informação em conhecimento, possibilitam a recomendação personalizada de OAs, de maneira que o aluno acesse o recurso educacional mais adequado no seu processo de ensino-aprendizagem. Assim, este trabalho apresenta um sistema de recomendação de OAs ao aluno com base em seu estilo de aprendizagem. Foi desenvolvido um protótipo utilizando a técnica de recomendação baseada em utilidade, que busca, seleciona e sugere OAs de acordo com seu grau de utilidade (relevância) para o usuário, considerando seu estilo de aprendizagem. Para teste e validação da solução proposta foi realizado um experimento com turma real de graduandos para disponibilização de materiais de apoio a aulas presenciais. Constatou-se uma adesão de 85% dos alunos ao uso do ambiente e a índice de satisfação atingiu 89%, ou seja, as recomendações dos recursos educacionais foram avaliadas como úteis na maioria dos casos. Essa solução pode beneficiar estudantes, ao sugerir OAs com maior chance de atender às suas necessidades particulares. / Starting from the use of Information and Communication Technologies (ICT) to support the learning process, the various tools used for this purpose such as Learning Management Systems (LMS), online courses, educational Web portals often provide content and other educational resources through repositories of learning objects (LOs). Examples of LOs are: activities, assessments, videos, among others, ie, any entity that can be used for learning, education or training. The use of LOs in digital environments can improve the student learning, however, from the increased availability of such resources, it arises the need of improving the search and selection of these items in different repositories. Personal learning styles, that is to say, how individuals comprehend, process and transform information into knowledge, allow personalized recommending learning objects, so that the student can access the most appropriate instructional resource in their teaching-learning process. Thus, this work presents a recommendation system of LOs to students according to their learning style. A prototype was developed by using the technique utility-based recommendation, which seeks, selects and suggests LOs according to their degree of usefulness (relevance) to the user considering their learning style. In order to test and validate the proposed solution, an experiment was conducted with real undergraduate class to share supporting material to class attendances. It was verified an adherence of 85% of the students using the environment and the satisfaction rate reached 89%, in other words, the recommendations of educational resources were evaluated as useful in most cases. This solution can benefit students by suggesting LOs with a greater chance to meet your particular needs.

Made available in DSpace on 2016-06-02T19:05:37Z (GMT). No. of bitstreams: 1 2131.pdf: 8350502 bytes, checksum: 4dc12e822d8a4aeea41a8ba2b85769f2 (MD5) Previous issue date: 2008-08-22 / Financiadora de Estudos e Projetos / The development of technologies that assist in the teach-learning process is an rgued subject in some areas of knowledge. The great diffusion of Web-based Educational Systems (WbE-S) has been shown the popularization of distance learning and its support tools. The Tidia-Ae project, support by FAPESP, aim at the development of a WbE-S that can use the concept about high velocity internet. But, the WbE Systems don t have a personal treatment of user s necessities. So, the offers of personalization resources for systems aim at improving the teach-learning process using the treatment of real necessities of each user. The content recommendation, more specifically a recommendation system, is one of several techniques for that and it is a non-intrusive meaning of help user s in a system with a lot of information. This technique was used in Tidia-Ae environment to development of this thesis. This thesis presents the I2P model based on metrics of Interests, Preferences and Popularity which are acquired by the measuring of the relationship of users and system resources. These metrics provide a form to calculate the recommendation offers of resources. The calculation is done using Collaborative Filtering technique and the personalization is offered in collaborative form, considering the group learning. / O desenvolvimento de tecnologias que auxiliem no processo de ensinoaprendizagem é assunto discutido em várias áreas do conhecimento. A grande difusão de Sistemas Educacionais baseados nas tecnologias existentes na Web (também chamados de Sistemas Educacionais baseados na Web Web-based Educational Systems WbE-S) demonstra a popularização da educação a distância e das ferramentas de suporte a esta. O projeto Tidia-Ae, financiado pela FAPESP visa, sobretudo, o desenvolvimento de um WbE-S que possa explorar os conceitos da internet de alta velocidade. Os WbE-S, comumente, não possuem um tratamento personalizado das ações dos usuários no sistema. Assim, a oferta de recursos de personalização de sistemas visa melhorias no processo de ensino-aprendizagem através do tratamento das necessidades reais e pessoais de cada aluno. A recomendação de conteúdo é uma das possíveis técnicas para oferta de personalização. Trata-se de uma forma não intrusiva de auxiliar o processo de escolha dos usuários num sistema com grande conjunto de informações. Está técnica foi amplamente explorada e, junto com o projeto Tidia-Ae, serviu como base para a criação do modelo I2P. Este trabalho define e propõe o modelo I2P baseado em métricas de Interesses, Preferências e Popularidade obtidas no relacionamento entre os usuários e os recursos do sistema. Estas métricas fornecem o embasamento para oferta de recursos adequados às necessidades dos usuários num WbE-S. O cálculo para oferta de recomendação é realizado com a técnica de Filtragem Colaborativa e, assim, a personalização é oferecida de forma colaborativa, considerando o aprendizado em grupo.

O objetivo deste trabalho é estudar o efeito dos sistemas de recomendação em um site de vinhos, verificando se os resultados estão de acordo com a teoria long tail. Esta proposição prevê que em mercados online, os produtos de nicho podem representar uma parcela significativa do resultado de uma empresa. Uma das formas de explorar estas fontes de receitas é pelo uso adequado de sistemas de recomendação que auxiliem o consumidor a encontrar o que deseja. Neste trabalho são efetuados dois estudos de caso, o primeiro utiliza o coeficiente Gini para comparar a distribuição das vendas de duas empresas, sendo uma delas de comércio eletrônico, o segundo estudo de caso seleciona quatro tipos de sistemas de recomendação e compara seus desempenhos na sugestão de vinhos. Os resultados indicam que ocorre um comportamento do tipo long tail nas vendas da loja virtual e que os sistemas de recomendação baseados nos gostos de outras pessoas são os preferidos. / Submitted by Marcelo Teixeira (mvteixeira@ucs.br) on 2014-05-20T19:24:51Z No. of bitstreams: 1 Dissertacao Antonio Regis Nodari.pdf: 1570446 bytes, checksum: 4592a5c6268d0bfe3c10cd8a58315c8f (MD5) / Made available in DSpace on 2014-05-20T19:24:51Z (GMT). No. of bitstreams: 1 Dissertacao Antonio Regis Nodari.pdf: 1570446 bytes, checksum: 4592a5c6268d0bfe3c10cd8a58315c8f (MD5)

Submitted by Maria Medeiros (maria.dilva1@ufcg.edu.br) on 2018-05-24T13:28:45Z No. of bitstreams: 1 IARA PEREIRA RIBEIRO - DISSERTAÇÃO (PPGCC) 2016.pdf: 3942904 bytes, checksum: 107850ca0aaa80f6bdae5254492eed99 (MD5) / Made available in DSpace on 2018-05-24T13:28:45Z (GMT). No. of bitstreams: 1 IARA PEREIRA RIBEIRO - DISSERTAÇÃO (PPGCC) 2016.pdf: 3942904 bytes, checksum: 107850ca0aaa80f6bdae5254492eed99 (MD5) Previous issue date: 2016 / Capes / O aumento da demanda por recursos nos últimos anos e a provável escassez destes em um futuro próximo vem gerando um novo tipo de preocupação na sociedade de como utilizar estes recursos de forma mais eficiente. Um dos recursos onde essa preocupação se tornou mais evidente é o consumo elétrico devido ao uso de fontes não renováveis para a geração de energia elétrica, como por exemplo, as termoelétricas que utilizam o carvão mineral. No Brasil onde a maioria da demanda energética é suprida através de fontes renováveis, atualmente 73.1% da energia é gerada a partir de fontes renováveis, outros fatores como mudanças climáticas e períodos de estiagem podem alterar no total de energia gerado tornando necessário o uso de formas alternativas para geração de energia e consequentemente tornando mais caro o preço final para o consumidor. Surge então a necessidade nesse contexto de desenvolver ferramentas e opções que ajudem a tornar o consumo mais eficiente e a reduzir a produção de energia elétrica de forma a beneficiar tanto as concessionárias como os consumidores finais. Uma opção para solucionar esse problema seria tornar o consumo residencial mais eficiente, dado que no Brasil o consumo residencial é o terceiro maior. Este trabalho propõe uma solução que utiliza mapeamento entre conceitos de sistemas de recomendação e conceitos de eficiência energética para promover a redução do consumo elétrico, propondo algoritmos de Filtragem Colaborativa e de Conteúdo, usando nesse processo dados de uma pesquisa de comportamento entre voluntários, dados do governo, voluntários e um software que simula o consumo elétrico residencial. Após a experimentação concluiu-se que existem índicos da eficiência dos algoritmos propostos para o contexto de eficiência energética. A partir dos resultados podemos concluir que, por ser uma área nova ainda existem muitos conceitos a serem explorados no uso de técnicas de análise de dados para a eficiência energética e que o estudo realizado apresenta contribuições importantes para trabalhos futuros. / The recent increase in demand for resources, and the imminent potential shortage of these has created a new kind of societal concern which spawned an emphasis for more efficient methods on how to use these resources. One resource, in particular, is electricity and the glaring concern for how it is consumed; mainly due to the use of non-renewable way for generating electricity, E.G. thermal power using coal. Currently, in Brazil, 73.1% of the country’s energy is generated from renewable sources. Other factors such as climate change and extended periods of drought may impact the total amount of energy being generated, thus making the use of alternative methods for power generation a necessity – which in turn inflates the costs for the consumer. Within this context comes the need to develop tools and ideas which help to make the consumption of energy more efficient by reducing the production of electricity which will be beneficial to both the dealers and end consumers. One option to solve this problem would be to focus on the consumption in residential areas, as in Brazil, the residential sector is the third largest consumer of energy, consuming on average 24.78% of the total power generated in the country. This paper proposes a solution which uses mapping between energy efficient concepts and concepts of recommender systems to help promote the reduction of electrical consumption. The proposed algorithms combined with Collaborative Filtering and Content has used the processed data from behavioral surveys among volunteers, data government and software to stimulate the residential electricity consumption. From the results, we can conclude that with this relatively new ambit of discovery comes many concepts yet to be explored in the use of data analysis techniques for energy efficiency, and the importance of the application to future work.

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

Made available in DSpace on 2016-12-23T14:33:43Z (GMT). No. of bitstreams: 1 Dissertacao de Eduardo Rocha Monteiro.pdf: 2785467 bytes, checksum: 577f7503c72e792b907de5a0eb99ec58 (MD5) Previous issue date: 2009-06-19 / Dentro do conjunto de transformações ocasionados pela evolução da internet, há uma que nada tem a ver com tecnologias de processamento e apresentacão de informaçãoes, mas nem por isso é menos importante do que as outras mudanças: É a transformação do comportamento do usuário perante a Internet. Se antes ele era um mero consumidor de informacão, agora ele participa ativamente, avaliando e criando conteúdo na web. Este cenário estimulou o desenvolvimento de novas tecnologias para apoiar a coletividade na web, que hoje possibilitam um amplo mecanismo de interação para diversos indivíduos, favorecendo a consolidacão de importantes espaços virtuais que promovemconstrução e socialização de conhecimento. Neste contexto, destacam-se as redes sociais virtuais. Redes sociais virtuais são espaços virtuais que incluem uma estrutura feita por indivíduos e organizações conectados por um ou mais tipos de interdependência, como valores, visões, idéias, amizade ou interesses comerciais. Este trabalho realizou um estudo sobre o estado da arte sobre as redes sociais virtuais e sobre os sistemas de recomendação, com o objetivo de criar uma rede social virtual que permite a publicação de conteúdo por usuários comuns, e um sistema de recomendação, para dirigir informações relevantes para os usuários. Também foi realizado um estudo sobre os agregadores de notícias sociais, que compõem uma categoria específica de redes sociais virtuais. Como produto principal deste trabalho, foi desenvolvido o sistema RSN: Rede Social de Notícias. RSN agrega características dos agregadores de notócias sociais a outras características de redes sociais virtuais com o objetivo de construir um espaço virtual com alto potencial de exibição de notícias interessantes aos seus usuários / Within the set of transformations from the evolution of the Internet, there is one that has nothing to do about processing and presenting information, but no less important than the other changes: the transformation of the behavior of the Internet User. If before it was a mere consumer of information, now he actively participates, evaluating and creating content in the web. This scenario has stimulated the development of new technologies to support the community on the web, which now enables a broad mechanism of interaction for many people, which promotes the formation of important virtual spaces with respect to the construction and socialization of knowledge. In this context, the virtual social networks stands out. Virtual social networks are virtual spaces that include a structure made by individuals and organizations connected by one or more types of interdependency, such as values, visions, ideas, friendship or business interests. This work conducted a study on the state of the art on virtual social networks and on the recommender systems, in order to create a virtual social network which enables content share by users, and a recommendation systemto direct relevant information for its users. Was also a study on the social news aggregators, that constitute a specific category of virtual social networks. The system RSN: Social Networking News was develop as the main product of this work. RSN adds features of social news aggregators to other characteristics of virtual social networks in order to build a virtual space with a high potential display of interesting news to its users

O objetivo deste trabalho é estudar o efeito dos sistemas de recomendação em um site de vinhos, verificando se os resultados estão de acordo com a teoria long tail. Esta proposição prevê que em mercados online, os produtos de nicho podem representar uma parcela significativa do resultado de uma empresa. Uma das formas de explorar estas fontes de receitas é pelo uso adequado de sistemas de recomendação que auxiliem o consumidor a encontrar o que deseja. Neste trabalho são efetuados dois estudos de caso, o primeiro utiliza o coeficiente Gini para comparar a distribuição das vendas de duas empresas, sendo uma delas de comércio eletrônico, o segundo estudo de caso seleciona quatro tipos de sistemas de recomendação e compara seus desempenhos na sugestão de vinhos. Os resultados indicam que ocorre um comportamento do tipo long tail nas vendas da loja virtual e que os sistemas de recomendação baseados nos gostos de outras pessoas são os preferidos.