Sistemas de recomendação estão se tornando ferramentas indispensáveis para diversos websites, que buscam oferecer ao seu usuário uma experiência personalizada e simplificada, e sua adoção se deve principalmente devido ao grande volume de dados disponíveis, advindos de diferentes fontes e contendo informações diversificadas, aumentando a necessidade e a complexidade de se extrair valor desses dados. Com o surgimento de redes sociais online os usuários passaram a expressar seus gostos e preferências além de estabelecer relações com outros usuários, podendo estes serem seus amigos, parentes, ídolos, etc. Estas possibilidades encontradas em redes sociais motivou o presente trabalho a interpretar a comunidade científica como uma rede social, utilizando relações de coautoria, colaboração em projetos, orientações, além de citações de trabalhos e, consequentemente, citações aos respectivos autores. O objetivo deste projeto foi propor um sistema de recomendação de trabalhos científicos combinando informações sociais e informações bibliométricas, no que diz respeito a artigos citados em publicações, caraterizando-se como um facilitador para auxiliar os pesquisadores a responderem perguntas como: Quais artigos interessantes da minha área eu ainda não tenho conhecimento? e Quais artigos podem auxiliar em trabalhos que tenho em desenvolvimento? Para atingir o objetivo proposto foram desenvolvidas duas abordagens de recomendação. A primeira abordagem teve como premissa que o tempo em que as relações entre os autores foi estabelecida é determinante para selecionar os autores mais próximos (ou similares), ou seja, as relações mais recentes tendem a ser mais relevantes que as relações mais antigas. Já a segunda técnica combinou o resultados das diferentes técnicas implementadas (tanto a proposta quanto técnicas da literatura correlata) para gerar novas recomendações de maneira híbrida. Os resultados mostraram que a solução baseada no tempo apresentou resultados superiores às estratégias correlatas quando se possui mais informações sobre o autor, ou seja, autores que possuem diversas relações de coautoria e um conjunto de artigos citados elevado tendem a obter resultados melhores quando comparados aos autores que possuem poucas relações e citaram poucos artigos. Já a solução híbrida, que combina os resultados dos diversos recomendadores, apresentou uma cobertura de recomendações superior às demais, pelo fato de combinar os pontos fortes de cada uma das técnicas, encontrando recomendações relevantes no conjunto de testes em mais de 57% dos casos / Recommender systems are becoming indispensable tools on websites, in order to offer a simplified and personalized experience to their users, and its adoption is due to the fact that the volume of data available has increased and also comes from different sources with different types of information. Thus, it is challenge and necessary tools for helping to extract more valuable information from these data. The arise of online social networks allowed users to express their tastes and preferences and establish relationships with other users, such as friends, relatives, idols, etc. Those possibilities found in social networks motivated this work to interpret the scientific community as a social network, providing the ability to use co-authorship relations, collaboration in projects, tutoring relations, as well as paper citations and thus citations from their authors. The goal of this project was to propose a papers recommender system combining social and bibliometric information, regarding cited articles on published papers, being characterized as a facilitator to help researchers to answer questions such as: \"What interesting articles in my area I still have no knowledge of?\" and \"Which articles can assist in the project I am developing?\". The first algorithm proposed used the time when the coauthorship relations among authors were established as a determining parameter to choose which authors are more similar, meaning that relations established in recent time are more relevant than those that are older. The second algorithm combines the results from different implemented algorithms to determine which would be the ideal weight of each algorithm on the recommendation result, using a linear regression on the recommendations scores. The results showed that the time based solution achieved a better performance for the authors with higher amount of information available, i.e., if the author has many coauthorship relations and cited many papers, the results are better when compared with authors that does not have many relations and cited articles. On the other hand, the hybrid solution which combines the results from different recommendations approaches presented a higher coverage compared with others, due to the fact that it combines the strengths of each one of the algorithms, finding recommendation for users on 57% of the cases.

Sistemas de recomendação estão se tornando ferramentas indispensáveis para diversos websites, que buscam oferecer ao seu usuário uma experiência personalizada e simplificada, e sua adoção se deve principalmente devido ao grande volume de dados disponíveis, advindos de diferentes fontes e contendo informações diversificadas, aumentando a necessidade e a complexidade de se extrair valor desses dados. Com o surgimento de redes sociais online os usuários passaram a expressar seus gostos e preferências além de estabelecer relações com outros usuários, podendo estes serem seus amigos, parentes, ídolos, etc. Estas possibilidades encontradas em redes sociais motivou o presente trabalho a interpretar a comunidade científica como uma rede social, utilizando relações de coautoria, colaboração em projetos, orientações, além de citações de trabalhos e, consequentemente, citações aos respectivos autores. O objetivo deste projeto foi propor um sistema de recomendação de trabalhos científicos combinando informações sociais e informações bibliométricas, no que diz respeito a artigos citados em publicações, caraterizando-se como um facilitador para auxiliar os pesquisadores a responderem perguntas como: Quais artigos interessantes da minha área eu ainda não tenho conhecimento? e Quais artigos podem auxiliar em trabalhos que tenho em desenvolvimento? Para atingir o objetivo proposto foram desenvolvidas duas abordagens de recomendação. A primeira abordagem teve como premissa que o tempo em que as relações entre os autores foi estabelecida é determinante para selecionar os autores mais próximos (ou similares), ou seja, as relações mais recentes tendem a ser mais relevantes que as relações mais antigas. Já a segunda técnica combinou o resultados das diferentes técnicas implementadas (tanto a proposta quanto técnicas da literatura correlata) para gerar novas recomendações de maneira híbrida. Os resultados mostraram que a solução baseada no tempo apresentou resultados superiores às estratégias correlatas quando se possui mais informações sobre o autor, ou seja, autores que possuem diversas relações de coautoria e um conjunto de artigos citados elevado tendem a obter resultados melhores quando comparados aos autores que possuem poucas relações e citaram poucos artigos. Já a solução híbrida, que combina os resultados dos diversos recomendadores, apresentou uma cobertura de recomendações superior às demais, pelo fato de combinar os pontos fortes de cada uma das técnicas, encontrando recomendações relevantes no conjunto de testes em mais de 57% dos casos / Recommender systems are becoming indispensable tools on websites, in order to offer a simplified and personalized experience to their users, and its adoption is due to the fact that the volume of data available has increased and also comes from different sources with different types of information. Thus, it is challenge and necessary tools for helping to extract more valuable information from these data. The arise of online social networks allowed users to express their tastes and preferences and establish relationships with other users, such as friends, relatives, idols, etc. Those possibilities found in social networks motivated this work to interpret the scientific community as a social network, providing the ability to use co-authorship relations, collaboration in projects, tutoring relations, as well as paper citations and thus citations from their authors. The goal of this project was to propose a papers recommender system combining social and bibliometric information, regarding cited articles on published papers, being characterized as a facilitator to help researchers to answer questions such as: \"What interesting articles in my area I still have no knowledge of?\" and \"Which articles can assist in the project I am developing?\". The first algorithm proposed used the time when the coauthorship relations among authors were established as a determining parameter to choose which authors are more similar, meaning that relations established in recent time are more relevant than those that are older. The second algorithm combines the results from different implemented algorithms to determine which would be the ideal weight of each algorithm on the recommendation result, using a linear regression on the recommendations scores. The results showed that the time based solution achieved a better performance for the authors with higher amount of information available, i.e., if the author has many coauthorship relations and cited many papers, the results are better when compared with authors that does not have many relations and cited articles. On the other hand, the hybrid solution which combines the results from different recommendations approaches presented a higher coverage compared with others, due to the fact that it combines the strengths of each one of the algorithms, finding recommendation for users on 57% of the cases.

The Internet increases the demand for the development of commercial applications and services that can provide better shopping experiences for customers globally. It is full of information and knowledge sources that might confuse customers. This requires customers to spend additional time and effort when they are trying to find relevant information about specific topics or objects. Recommendation systems are considered to be an important method that solves this issue. Incorporating recommendation systems in online social networks led to a specific kind of recommendation system called social recommendation systems which have become popular with the global explosion in social media and online networks and they apply many prediction algorithms such as data mining techniques to address the problem of information overload and to analyze a vast amount of data. We believe that offering a real-time social recommendation system that can understand the real context of a user’s conversation dynamically is essential to defining and recommending interesting objects at the ideal time. In this thesis, we propose an architecture for a real-time social recommendation system that aims to improve word usage and understanding in social media platforms, advance the performance and accuracy of recommendations, and propose a possible solution to the user cold-start problem. Moreover, we aim to find out if the user’s social context can be used as an input source to offer personalized and improved recommendations that will help users to find valuable items immediately, without interrupting their conversation flow. The suggested architecture works as a third-party social recommendation system that could be incorporated with other existing social networking sites (e.g. Facebook and Twitter). The novelty of our approach is the dynamic understanding of the user-generated content, achieved by detecting topics from the user’s extracted dialogue and then matching them with an appropriate task as a recommendation. Topic extraction is done through a modified Latent Dirichlet Allocation topic modeling method. We also develop a social chat app as a proof of concept to validate our proposed architecture. The results of our proposed architecture offer promising gains in enhancing the real-time social recommendations.

Internet Protocol television (IPTV) is a way of delivering television over the Internet, which enables two-way communication between an operator and its users. By using IPTV, users have freedom to choose what content they want to consume and when they want to consume it. For example, users are able to watch TV shows after they have been aired on TV, and they can access content that is not part of any linear TV broadcasts, e.g. movies that are available to rent. This means that, by using IPTV, users can get access to more video content than is possible with the traditional TV distribution formats. However, having more options also means that deciding what to watch becomes more difficult, and it is important that IPTV providers facilitate the process of finding interesting content so that the users find value in using their services. In this thesis, the author investigated how a user’s online social network can be used as a basis for facilitating the discovery of interesting movies in an IPTV environment. The study consisted of two parts, a theoretical and a practical. In the theoretical part, a literature study was carried out in order to obtain knowledge about different recommender system strategies. In addition to the literature study, a number of online social network platforms were identified and empirically studied in order to gain knowledge about what data is possible to gather from them, and how the data can be gathered. In the practical part, a prototype content discovery system, which made use of the gathered data, was designed and built. This was done in order to uncover difficulties that exist with implementing such a system. The study shows that, while it is is possible to gather data from different online social networks, not all of them offer data in a form that is easy to make use of in a content discovery system. Out of the investigated online social networks, Facebook was found to offer data that is the easiest to gather and make use of. The biggest obstacle, from a technical point of view, was found to be the matching of movie titles gathered from the online social network with the movie titles in the database of the IPTV service provider; one reason for this is that movies can have titles in different languages. / Internet Protocol television (IPTV) är ett sätt att leverera tv via Internet, vilket möjliggör tvåvägskommunikation mellan en operatör och dess användare. Genom att använda IPTV har användare friheten att välja vilket innehåll de vill konsumera och när de vill konsumera det. Användare har t.ex. möjlighet att titta på tv program efter att de har sänts på tv, och de kan komma åt innehåll som inte är en del av någon linjär tv-sändning, t.ex. filmer som är tillgängliga att hyra. Detta betyder att användare, genom att använda IPTV, kan få tillgång till mer videoinnhåll än vad som är möjligt med traditionella tv-distributionsformat. Att ha fler valmöjligheter innebär dock även att det blir svårare att bestämma sig för vad man ska titta på, och det är viktigt att IPTV-leverantörer underlättar processen att hitta intressant innehåll så att användarna finner värde i att använda deras tjänster. I detta exjobb undersökte författaren hur en användares sociala nätverk på Internet kan användas som grund för att underlätta upptäckandet av intressanta filmer i en IPTV miljö. Undersökningen bestod av två delar, en teoretisk och en praktisk. I den teoretiska delen genomfördes en litteraturstudie för att få kunskap om olika rekommendationssystemsstrategier. Utöver litteraturstudien identifierades ett antal sociala nätverk på Internet som studerades empiriskt för att få kunskap om vilken data som är möjlig att hämta in från dem och hur datan kan inhämtas. I den praktiska delen utformades och byggdes en prototyp av ett s.k. content discovery system (“system för att upptäcka innehåll”), som använde sig av den insamlade datan. Detta gjordes för att exponera svårigheter som finns med att implementera ett sådant system. Studien visar att, även om det är möjligt att samla in data från olika sociala nätverk på Internet så erbjuder inte alla data i en form som är lätt att använda i ett content discovery system. Av de undersökta sociala nätverkstjänsterna visade det sig att Facebook erbjuder data som är lättast att samla in och använda. Det största hindret, ur ett tekniskt perspektiv, visade sig vara matchningen av filmtitlar som inhämtats från den sociala nätverkstjänsten med filmtitlarna i IPTV-leverantörens databas; en anledning till detta är att filmer kan ha titlar på olika språk.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-08-16T17:52:50Z No. of bitstreams: 1 RodrigoFeitosa.pdf: 4009932 bytes, checksum: 55ef5e97ddc653cf1849e17eafdc396f (MD5) / Made available in DSpace on 2017-08-16T17:52:50Z (GMT). No. of bitstreams: 1 RodrigoFeitosa.pdf: 4009932 bytes, checksum: 55ef5e97ddc653cf1849e17eafdc396f (MD5) Previous issue date: 2013-03-22 / The search of knowledge and its manipulation in companies, institutions or other organizations has become a challenge nowadays. Mostly due to two aspects: the large volume of information available and the difficulty in extracting the knowledge proper to each person (intellectual capital). This difficulty becomes more accentuated when the scenario involved the extraction of knowledge is the Web. The area of Knowledge Management seeks a solution to the limitations described above. Techniques for extracting and control of knowledge can be adopted with the use of Artificial Intelligence, particularly the Knowledge Discovery in Databases. This work proposes the creation of a methodology and application that perform the Data Mining with textual information linked to geo data in a social network, in order to promote Social Recommendation. However, approaches in building recommendation systems present some shortcomings in filtering the results and the way they are suggested to users. The research aims to remedy these deficiencies and addresses issues that still need to search more effective and consolidated results. / A busca do conhecimento e a sua manipulação em empresas, instituições ou outras organizações tem se tornado um desafio nos dias atuais. Em grande parte devido a dois aspectos: o grande volume de informação disponibilizada e a dificuldade em extrair o conhecimento próprio de cada pessoa (capital intelectual). Essa dificuldade torna-se mais acentuada quando o cenário envolvido para a extração de conhecimento é a Web. A área da Gestão de Conhecimento busca a solução para as limitações descritas anteriormente. Técnicas para a extração e controle do conhecimento podem ser adotadas com o uso da Inteligência Artificial, sobretudo a Descoberta de Conhecimento em Bases de Dados. Este trabalho propõe-se a criação de uma metodologia e aplicação que realize a Mineração de Dados com informações textuais vinculados a dados geolocalizados em uma Rede Social, com o intuito de promover a Recomendação Social. Entretanto, as abordagens na construção dos Sistemas de Recomendação apresentam algumas deficiências na filtragem dos resultados e na forma que estes são sugeridos aos usuários. A pesquisa busca a solução destas deficiências e aborda temas que ainda carecem de pesquisas mais efetivas e resultados consolidados.