Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-31T18:34:57Z No. of bitstreams: 1 FELIPE BARBOSA ARAÚJO RAMOS - DISSERTAÇÃO PPGCC 2014..pdf: 8328573 bytes, checksum: 0548a10a7939d0db863b085abd12dbd5 (MD5) / Made available in DSpace on 2018-07-31T18:34:57Z (GMT). No. of bitstreams: 1 FELIPE BARBOSA ARAÚJO RAMOS - DISSERTAÇÃO PPGCC 2014..pdf: 8328573 bytes, checksum: 0548a10a7939d0db863b085abd12dbd5 (MD5) Previous issue date: 2014-06-30 / Os Sistemas de Recomendação vêm sendo utilizados em diversos domínios de aplicação, mais recentemente, no domínio de TV (TV Digital, Smart TV, etc). Várias abordagens podem ser utilizadas para recomendar itens ou tags, baseadas principalmente no feedback dos usuários. Porém, no domínio de TV Digital a obtenção de feedback explícito é feita usualmente por meio do controle remoto, que deve ser evitado para maximizar a experiência do usuário ao ver TV. Além disso, como no contexto de Smart TV vários tipos de itens podem ser recomendados (filmes, músicas, livros, etc) a recomendação deve ser genérica o suficiente para se adequar a diferentes conteúdos. Portanto, para contornar o problema de obtenção de feedback e gerar recomendações que possam ser usadas por diferentes aplicações de Smart TV, neste trabalho é proposta uma arquitetura de recomendação baseada na extração e classificação de termos por meio da análise de descritivos textuais de programas de TV presentes nos guias de programação. A fim de validar a solução proposta, um protótipo usando um conjunto de dados real foi desenvolvido, mostrando que a partir dos termos recomendados é possível gerar recomendações finais para diferentes aplicações de Smart TV. / mmendation systems have been used in several application domains, most recently for TV (Digital TV, Smart TV, etc). Several existing approaches can be used to recommend items or tags, mainly based on user feedback. However, in the Digital TV domain, user feedback has to be done generally by using the remote control, which should be avoided to improve user experience. Moreover, in the Smart TV environment several types of items can be recommended (movies, music, books, etc). Thus, the recommendation should be generic enough to suit to different content. Therefore, to solve the problem of acquiring feedback and still generate personalized recommendations to be used by different Smart TV applications, this work proposes a recommendation architecture based on the extraction and classification of terms by analyzing the textual descriptions of TV programs present on electronic programming guides. In order to validate the proposed solution, a prototype using a real dataset has been developed, showing that from the recommended terms is possible to generate final recommendations for different Smart TV applications