O advento da TV Digital Interativa no mundo modifica, em definitivo, a experiência do usuário em assistir a TV, tornando-a mais rica principalmente pelo uso do recurso da interatividade. Os usuários passam a ser pró-ativos e começam a interagir das mais diversas formas: construção de comunidades virtuais, discussão sobre um determinado conteúdo, envio de mensagens e recomendações, dentre outras. Neste cenário a participação dos usuários de forma colaborativa assume um papel importante e essencial. Aliado a isso, a recepção na TV Digital Interativa é feita através de dispositivos computacionais que, devido à convergência digital, estão presentes cada vez mais em meios ubíquos. Um outro fator preponderante a considerar, resultante desta mídia, corresponde ao crescimento da quantidade e diversidade de programas e serviços interativos disponíveis, dificultando, assim, a seleção de conteúdo de maior relevância. Diante dos fatos expostos, esta pesquisa tem como principal objetivo propor e implementar uma infra-estrutura de software no cenário da TV Digital Interativa intitulada CollaboraTVware para orientar, de forma transparente, os usuários na escolha de programas e serviços interativos através da participação colaborativa de outros usuários com perfis e contextos similares. No escopo deste trabalho, a participação colaborativa corresponde às avaliações atribuídas por usuários no sentido de expressar opiniões sobre os conteúdos veiculados. As modelagens de usuário, do dispositivo utilizado e do contexto da interação do usuário, essenciais para o desenvolvimento do CollaboraTVware, são representadas por padrões de metadados flexíveis usados no domínio da TV Digital Interativa (MPEG-7, MPEG-21 e TV-Anytime), e suas devidas extensões. A arquitetura do CollaboraTVware é composta por dois subsistemas: dispositivo do usuário e provedor de serviços. A tarefa de classificação, da teoria de mineração de dados, é a abordagem adotada na concepção da infra-estrutura. O conceito de perfil de uso participativo é apresentado e discutido. Para demonstrar e validar as funcionalidades do CollaboraTVware em um cenário de uso, foi desenvolvida uma aplicação (EPG colaborativo) como estudo de caso. / The advent of the Interactive Digital TV around the world transforms, ultimately, the user experience in watching TV, making it richer mainly by enabling user interactivity. The users become pro-active and begin to interact with very different ways: building virtual communities, discussion about contents, sending messages and recommendations etc. In this scenario the user participation in a collaborative assumes an important and essential role. Additionally, the reception in Interactive Digital TV is done by devices that due to digital convergence are increasingly present in ubiquitous environments. Another preponderant issue to consider, resulting from this media, is the growing of the number and diversity of programs and interactive services available, increasing the difficulty of selecting relevant content. Thus, the main objective of this work is to propose and implement a software infrastructure in an Interactive Digital Television environment entitled CollaboraTVware to guide in a transparent way, users in the choice of programs and interactive services through the collaborative participation of other users with similar profiles and contexts. In the scope of this work, the collaborative participation corresponds to the rating given by users in order to express opinions about the content transmitted. The modeling of user, device used and context of user interaction, essential for the development of CollaboraTVware, are represented by granular metadata standards used in the field of Interactive Digital TV (MPEG-7, MPEG-21 and TV-Anytime), and its extensions needed. The CollaboraTVware architecture is composed of two subsystems: user device and service provider. The classification task, from the theory of data mining, is the approach adopted in the infrastructure design. The concept of participative usage profile is presented and discussed. To demonstrate the functionalities in a use scenario, was developed an application (collaborative EPG) as a case study which uses the CollaboraTVware.

A maior parte da população mundial se comunica de forma multimodal (fala, gestos, expressões faciais, etc.). Na medida em que algum destes modos falta, a pessoa afetada encontra dificuldades para manifestar suas idéias e pensamentos. Este trabalho é destinado a pessoas com dificuldades severas de fala e graves danos, tamb6m, na parte motora, o que as impede de se comunicarem por outras formas usuais, como a linguagem de sinais dos surdos, por exemplo, restando-lhes buscar alternativas de comunicação. Estas alternativas são pesquisadas em uma área denominada Comunicação Alternativa e Aumentativa (comumente chamada de AAC, do inglês: Augmentative and Alternative Communication), dentro da qual ha uma linha que estuda a utilização de sistemas simbólicos para comunicação, que é abordada neste trabalho. A fim de auxiliar estas pessoas que apresentam distúrbios motores e de fala, na sua busca por autonomia pessoal, estudou-se maneiras de facilitar a utilização destes sistemas simbólicos de comunicação, com o emprego de recursos de Multimídia e técnicas de Inteligência Artificial. O intuito foi o de auxiliá-las no aprendizado da forma de comunicação a ser utilizada e de proporcionar-lhes uma interação mais amigável e eficaz com o sistema. Para estes fins, foram estudados os conceitos básicos de Comunicação Alternativa e Aumentativa, bem como diversas técnicas de Inteligência Artificial (Modelagem de Usuário, Interfaces Inteligentes, Ajudas Inteligentes, etc.), a fim de verificar quais se adequavam mais aos propósitos do trabalho. Como resultado destes estudos, foi proposto um modelo de sistema inteligente que objetiva empregar estas técnicas e conceitos abordados. Este modelo tem como objetivo aprimorar os sistemas de AAC existentes, principalmente, nos seguintes aspectos: adaptação as preferências do usuário (como sua velocidade de varredura, símbolos mais utilizados) e seu nível de conhecimento do sistema simbólico em questão e do próprio sistema computadorizado que esta sendo utilizado; prestação de auxilio individualizado no aprendizado dos símbolos utilizados, através do acesso ao significado viso-auditivo real ou aproximado dos mesmos, possibilitando o use de tabuleiros de comunicação "normais" (não computadorizados) de forma mais eficaz. A partir deste modelo, foi construído um protótipo, denominado FALAS (Ferramenta Alternativa de Aquisição Simbólica), com o intuito de validar as idéias do trabalho. Além dos objetivos principais do modelo, o protótipo pode ser utilizado, não só pelo usuário padrão AAC, mas também pelas pessoas que irão comunicar-se com ele e ajudá-lo na interação com os símbolos. Por fim, levantou-se uma serie de sugestões, as quais utilizando as pesquisas realizadas para este trabalho, poderiam auxiliar na construção de sistemas para outras áreas, em especial para a Reabilitação, onde a redução de esforços por pane do usuário e sua maior compreensão do que esta se passando, lhes proporciona uma maior autonomia, o que a maioria dos estudos, nesta linha, buscam. Alem disto, foram sugeridas varias idéias a fim de dar seguimento a este trabalho e incentivar pesquisas nesta linha. / Most of the population of the world use to communicate in a multimodal way (by using speech, gestures, facial expression, etc.). If there is a lack of any of these abilities, this person will have difficulties to express his ideas or thoughts. This work is directed to people with major speech difficulties and severe motor impairments. These difficulties prevent them to communicate by the usual means, as the signal language for deafs, for example, so they need to use alternative means of communication. These alternative means of communication are studied in an area called Augmentative and Alternative Communication (AAC). In this area there is an approach which studies the usage of symbolic systems to communicate, and it will be addressed in this work. In order to help this kind of people in his search for personnal autonomy, we studied some ways to make the symbolic systems easier for them to use, by applyind Multimedia and Artificial Intelligence techniques. The goal was to help them to learn how to use this new mean of communication and to provide a more friendly and efficient interaction with the system. Finally, we are suggesting many aspects that can direct the designs and implementation of systems to other areas, namely the Rehabilitation, where a reduction in the effort needed from the users and their better understanding this activities result in a greater autonomy. This greater autonomy is searched by most of the works in this area. Besides, many ideas are suggested in order to continue this work and to help the research in this area.

As information continues to grow at a very fast pace, our ability to access this information effectively does not, and we are often realize how harder is getting to locate an object quickly and easily. The so-called personalization technology is one of the best solutions to this information overload problem: by automatically learning the user profile, personalized information services have the potential to offer users a more proactive and intelligent form of information access that is designed to assist us in finding interesting objects. Recommender systems, which have emerged as a solution to minimize the problem of information overload, provide us with recommendations of content suited to our needs. In order to provide recommendations as close as possible to a user&rsquo / s taste, personalized recommender systems require accurate user models of characteristics, preferences and needs. Collaborative filtering is a widely accepted technique to provide recommendations based on ratings of similar users, But it suffers from several issues like data sparsity and cold start. In one-class collaborative filtering, a special type of collaborative filtering methods that aims to deal with datasets that lack counter-examples, the challenge is even greater, since these datasets are even sparser. In this thesis, we present a series of experiments conducted on a real-life customer purchase database from a major Turkish E-Commerce site. The sparsity problem is handled by the use of content-based technique combined with TFIDF weights, memory based collaborative filtering combined with different similarity measures and also hybrids approaches, and also model based collaborative filtering with the use of Singular Value Decomposition (SVD). Our study showed that the binary similarity measure and SVD outperform conventional measures in this OCCF dataset.

Recently, it has become more and more difficult for the existing web based systems to locate or retrieve any kind of relevant information, due to the rapid growth of the World Wide Web (WWW) in terms of the information space and the amount of the users in that space. However, in today&#039 / s world, many systems and approaches make it possible for the users to be guided by the recommendations that they provide about new items such as articles, news, books, music, and movies. However, a lot of traditional recommender systems result in failure when the data to be used throughout the recommendation process is sparse. In another sense, when there exists an inadequate number of items or users in the system, unsuccessful recommendations are produced. Within this thesis work, ReMovender, a web based movie recommendation system, which uses a content boosted collaborative filtering approach, will be presented. ReMovender combines the local/global similarity and missing data prediction v techniques in order to handle the previously mentioned sparseness problem effectively. Besides, by putting the content information of the movies into consideration during the item similarity calculations, the goal of making more successful and realistic predictions is achieved.

The evolution of the Internet has brought us into a world that represents a huge amount of information items such as music, movies, books, web pages, etc. with varying quality. As a result of this huge universe of items, people get confused and the question &ldquo / Which one should I choose?&rdquo / arises in their minds. Recommendation Systems address the problem of getting confused about items to choose, and filter a specific type of information with a specific information filtering technique that attempts to present information items that are likely of interest to the user. A variety of information filtering techniques have been proposed for performing recommendations, including content-based and collaborative techniques which are the most commonly used approaches in recommendation systems. This thesis work introduces ReMovender, a content-based movie recommendation system which is empowered by collaborative missing data prediction. The distinctive point of this study lies in the methodology used to correlate the users in the system with one another and the usage of the content information of movies. ReMovender makes it possible for the users to rate movies in a scale from one to five. By using these ratings, it finds similarities among the users in a collaborative manner to predict the missing ratings data. As for the content-based part, a set of movie features are used in order to correlate the movies and produce recommendations for the users.

The popularity of e-commerce sites and applications that use recommendations and user modeling is increased recently. The development and contest in tourism calls attention of large-scale IT companies. These companies have started to work on recommendation systems and user modeling on tourism sector. Some of the clustering methodologies, neighboring methods and machine learning algorithms are commenced to use for making predictions about tourist&rsquo / s interests while he/she is traveling around the city. Recommendation ability is the most interesting thing for a tourist guide application. Recommender systems are composed of two main approaches, collaborative and content-based filtering. Collaborative filtering algorithms look for people that have similar interests and properties, while contentbased filtering methods pay attention to sole user&rsquo / s interests and properties to make recommendations. Both of the approaches have advantages and disadvantages, for that reason sometimes these two approaches are used together. Chosen method directly affects the recommendation quality, so advantages and disadvantages of both methods will be examined carefully. Recommendation of locations or services can be seen as a classification problem. Artificial intelligent systems like neural networks, genetic algorithms, particle swarm optimization algorithms, artificial immune systems are inspired from natural life and can be used as classifier systems. Artificial immune system, inspired from human immune system, has ability to classify huge numbers of different patterns. In this paper ESGuide, a tourist guide application that uses artificial immune system is examined. ESGuide application is a client-server application that helps tourists while they are traveling around the city. ESGuide has two components: Map agent and recommender agent. Map agent helps the tourist while he/she interacts with the city map. Tourist should rate the locations and items while traveling. Due to these ratings and client-server interaction, recommender agent tries to predict user interested places and items. Tourist has a chance to state if he/she likes the recommendation or not. If the tourist does not like the recommendation, new recommendation set is created and presented to the user.

A maior parte da população mundial se comunica de forma multimodal (fala, gestos, expressões faciais, etc.). Na medida em que algum destes modos falta, a pessoa afetada encontra dificuldades para manifestar suas idéias e pensamentos. Este trabalho é destinado a pessoas com dificuldades severas de fala e graves danos, tamb6m, na parte motora, o que as impede de se comunicarem por outras formas usuais, como a linguagem de sinais dos surdos, por exemplo, restando-lhes buscar alternativas de comunicação. Estas alternativas são pesquisadas em uma área denominada Comunicação Alternativa e Aumentativa (comumente chamada de AAC, do inglês: Augmentative and Alternative Communication), dentro da qual ha uma linha que estuda a utilização de sistemas simbólicos para comunicação, que é abordada neste trabalho. A fim de auxiliar estas pessoas que apresentam distúrbios motores e de fala, na sua busca por autonomia pessoal, estudou-se maneiras de facilitar a utilização destes sistemas simbólicos de comunicação, com o emprego de recursos de Multimídia e técnicas de Inteligência Artificial. O intuito foi o de auxiliá-las no aprendizado da forma de comunicação a ser utilizada e de proporcionar-lhes uma interação mais amigável e eficaz com o sistema. Para estes fins, foram estudados os conceitos básicos de Comunicação Alternativa e Aumentativa, bem como diversas técnicas de Inteligência Artificial (Modelagem de Usuário, Interfaces Inteligentes, Ajudas Inteligentes, etc.), a fim de verificar quais se adequavam mais aos propósitos do trabalho. Como resultado destes estudos, foi proposto um modelo de sistema inteligente que objetiva empregar estas técnicas e conceitos abordados. Este modelo tem como objetivo aprimorar os sistemas de AAC existentes, principalmente, nos seguintes aspectos: adaptação as preferências do usuário (como sua velocidade de varredura, símbolos mais utilizados) e seu nível de conhecimento do sistema simbólico em questão e do próprio sistema computadorizado que esta sendo utilizado; prestação de auxilio individualizado no aprendizado dos símbolos utilizados, através do acesso ao significado viso-auditivo real ou aproximado dos mesmos, possibilitando o use de tabuleiros de comunicação "normais" (não computadorizados) de forma mais eficaz. A partir deste modelo, foi construído um protótipo, denominado FALAS (Ferramenta Alternativa de Aquisição Simbólica), com o intuito de validar as idéias do trabalho. Além dos objetivos principais do modelo, o protótipo pode ser utilizado, não só pelo usuário padrão AAC, mas também pelas pessoas que irão comunicar-se com ele e ajudá-lo na interação com os símbolos. Por fim, levantou-se uma serie de sugestões, as quais utilizando as pesquisas realizadas para este trabalho, poderiam auxiliar na construção de sistemas para outras áreas, em especial para a Reabilitação, onde a redução de esforços por pane do usuário e sua maior compreensão do que esta se passando, lhes proporciona uma maior autonomia, o que a maioria dos estudos, nesta linha, buscam. Alem disto, foram sugeridas varias idéias a fim de dar seguimento a este trabalho e incentivar pesquisas nesta linha. / Most of the population of the world use to communicate in a multimodal way (by using speech, gestures, facial expression, etc.). If there is a lack of any of these abilities, this person will have difficulties to express his ideas or thoughts. This work is directed to people with major speech difficulties and severe motor impairments. These difficulties prevent them to communicate by the usual means, as the signal language for deafs, for example, so they need to use alternative means of communication. These alternative means of communication are studied in an area called Augmentative and Alternative Communication (AAC). In this area there is an approach which studies the usage of symbolic systems to communicate, and it will be addressed in this work. In order to help this kind of people in his search for personnal autonomy, we studied some ways to make the symbolic systems easier for them to use, by applyind Multimedia and Artificial Intelligence techniques. The goal was to help them to learn how to use this new mean of communication and to provide a more friendly and efficient interaction with the system. Finally, we are suggesting many aspects that can direct the designs and implementation of systems to other areas, namely the Rehabilitation, where a reduction in the effort needed from the users and their better understanding this activities result in a greater autonomy. This greater autonomy is searched by most of the works in this area. Besides, many ideas are suggested in order to continue this work and to help the research in this area.

As pessoas têm acesso a uma vasta gama de informações devido a grande oferta e aos recursos da Internet, porém despendem muito tempo na busca do que realmente é interessante ou útil para elas. A dificuldade de encontrar a informação correta é aumentada quando a informação disputa a atenção de uma pessoa com uma série de outras informações não tão relevantes. Procurando minimizar esta dificuldade e auxiliar no acesso a informação interessante, são aplicados desde sistemas de recuperação de informação até sistemas de filtragem de informação. Os sistemas de recuperação são amplamente difundidos na Internet através dos motores de busca (por exemplo, google.com, av.com, citeseer.ist.psu.edu), porém um problema neste tipo de aplicação constitui-se na necessidade do usuário apresentar os termos (palavras-chave) que são relevantes para a consulta. filtragem de informação, tendo como representante os Sistemas de Recomendação, surge como uma nova abordagem que procura liberar o usuário da exigência de criar consultas com palavras-chave, ou seja, a filtragem baseada em conteúdo procura casar o perfil do usuário e o conteúdo dos itens a serem recomendados, e então, oferecer alguns destes itens aos usuários. Por fim, surgiram sistemas que não se baseavam na análise do conteúdo dos itens, mas sim na reputação de um item junto aos outros usuários, ou seja, o usuário recebe a recomendação de um item que pode ser do seu interesse frente à colaboração de outros usuários que avaliaram o item. A questão maior nesta abordagem está no quanto a opinião de um usuário que avaliou um item é relevante para servir como colaboração na elaboração da recomendação para outro usuário. Esta tese constitui-se em uma proposta para modelar e incluir a relevância da opinião do usuário no processo de recomendação colaborativa, ou seja, apresenta uma abordagem de Sistemas de Recomendação para recomendar itens baseando-se em informação adicional − definida como relevância da opinião do usuário − além das típicas informações utilizadas na grande maioria dos Sistemas de Recomendação. Esta inclusão da relevância da opinião constitui-se em uma alternativa para que o usuário alvo da recomendação consiga identificar qual a importância de um determinado item recomendado frente à relevância de opinião dos recomendadores. A idéia apresentada é a de que pessoas com maior relevância de opinião poderiam melhor avaliar e recomendar itens. / Nowadays, people have access to a huge amount of information due to the Internet's resources. However they spend too much time searching for interesting, adequate or useful information. The difficulty to find worthwhile information increases when interesting things dispute the user's attention. Information retrieval and information filtering systems are applicable in order to minimize search difficulties, aiming to aid the user in the search for worthwhile information. Information retrieval systems are widely spread in the Internet through search engines (e.g., google.com, av.com, citeseer.ist.psu.edu). However there is a problem in this kind of application, which consists in compelling the user to know the terms (keywords) that are relevant for the search. Recommender Systems are an information filtering solution. They present a different approach that frees the user from creating queries with keywords. It means that the system tries to match the user's profile (historical interests) with the content of items to be recommended, and then offers these items to the user (recommendee). In parallel, an alternative approach to item recommendation was proposed, this one based on the offering of items based on other users’ opinion, i.e. the user receives an item recommendation based on the evaluation of other users (collaborative filtering or social filtering). However, a different question is raised here − how much the opinion of a user who evaluated an item is relevant to be employed in the recommendation process applying a collaborative method? This thesis presents a new approach to model and include in the collaborative recommendation process additional information named Recommender's Rank, which represents the relevance of the user's opinion and complements the typical information used in the large majority of Recommender Systems. This approach is an alternative to aid the user to identify the importance of a recommended item based on other users' opinions, as people with higher relevance of opinion are more likely to better evaluate and recommend items.

As pessoas têm acesso a uma vasta gama de informações devido a grande oferta e aos recursos da Internet, porém despendem muito tempo na busca do que realmente é interessante ou útil para elas. A dificuldade de encontrar a informação correta é aumentada quando a informação disputa a atenção de uma pessoa com uma série de outras informações não tão relevantes. Procurando minimizar esta dificuldade e auxiliar no acesso a informação interessante, são aplicados desde sistemas de recuperação de informação até sistemas de filtragem de informação. Os sistemas de recuperação são amplamente difundidos na Internet através dos motores de busca (por exemplo, google.com, av.com, citeseer.ist.psu.edu), porém um problema neste tipo de aplicação constitui-se na necessidade do usuário apresentar os termos (palavras-chave) que são relevantes para a consulta. filtragem de informação, tendo como representante os Sistemas de Recomendação, surge como uma nova abordagem que procura liberar o usuário da exigência de criar consultas com palavras-chave, ou seja, a filtragem baseada em conteúdo procura casar o perfil do usuário e o conteúdo dos itens a serem recomendados, e então, oferecer alguns destes itens aos usuários. Por fim, surgiram sistemas que não se baseavam na análise do conteúdo dos itens, mas sim na reputação de um item junto aos outros usuários, ou seja, o usuário recebe a recomendação de um item que pode ser do seu interesse frente à colaboração de outros usuários que avaliaram o item. A questão maior nesta abordagem está no quanto a opinião de um usuário que avaliou um item é relevante para servir como colaboração na elaboração da recomendação para outro usuário. Esta tese constitui-se em uma proposta para modelar e incluir a relevância da opinião do usuário no processo de recomendação colaborativa, ou seja, apresenta uma abordagem de Sistemas de Recomendação para recomendar itens baseando-se em informação adicional − definida como relevância da opinião do usuário − além das típicas informações utilizadas na grande maioria dos Sistemas de Recomendação. Esta inclusão da relevância da opinião constitui-se em uma alternativa para que o usuário alvo da recomendação consiga identificar qual a importância de um determinado item recomendado frente à relevância de opinião dos recomendadores. A idéia apresentada é a de que pessoas com maior relevância de opinião poderiam melhor avaliar e recomendar itens. / Nowadays, people have access to a huge amount of information due to the Internet's resources. However they spend too much time searching for interesting, adequate or useful information. The difficulty to find worthwhile information increases when interesting things dispute the user's attention. Information retrieval and information filtering systems are applicable in order to minimize search difficulties, aiming to aid the user in the search for worthwhile information. Information retrieval systems are widely spread in the Internet through search engines (e.g., google.com, av.com, citeseer.ist.psu.edu). However there is a problem in this kind of application, which consists in compelling the user to know the terms (keywords) that are relevant for the search. Recommender Systems are an information filtering solution. They present a different approach that frees the user from creating queries with keywords. It means that the system tries to match the user's profile (historical interests) with the content of items to be recommended, and then offers these items to the user (recommendee). In parallel, an alternative approach to item recommendation was proposed, this one based on the offering of items based on other users’ opinion, i.e. the user receives an item recommendation based on the evaluation of other users (collaborative filtering or social filtering). However, a different question is raised here − how much the opinion of a user who evaluated an item is relevant to be employed in the recommendation process applying a collaborative method? This thesis presents a new approach to model and include in the collaborative recommendation process additional information named Recommender's Rank, which represents the relevance of the user's opinion and complements the typical information used in the large majority of Recommender Systems. This approach is an alternative to aid the user to identify the importance of a recommended item based on other users' opinions, as people with higher relevance of opinion are more likely to better evaluate and recommend items.

The growth of Web technologies has benefited researchers and the academic community by supporting the access of electronic publications as soon as they have been finished and published. In this context, Digital Libraries emerges as complex information systems which are essential for disseminating and preserving data, information and knowledge. However, due to the high amount of content available on the Web, specially in Digital Libraries, users face many correlated options, what result in the phenomenon known as information overload. Aiming to decrease or even eliminate these diffculties, recommender systems for Digital Libraries have been proposed and developed. This work presents a personalized recommender system which presents alternative ways to achieve better query results. For this, the main existing approaches of automatic recommendation have been studied in order to identify extension points and points to be improved. The proposed recommender system follows a hybrid approach which combines filtering techniques, content-based recommendation and collaborative recommendation. A hybrid recommendation engine has been proposed, which uses standard technologies for content description (Dublin Core), for communication with Digital Libraries (OAI-PMH Protocol ), as well as the user profile extracted from the curriculum vitae Lattes. The proposed solution has been evaluated in the context of the CiteSeer database, which contains papers and articles in the Dublin Core format. The preliminary results has showed an improvement in the quality of recommendation, thus presenting a better precision and coverage, when compared with existing approaches based either on content-based recommendation or on collaborative recommendation / O crescimento acelerado das tecnologias Web tem beneficiado pesquisadores e acadêmicos, pois as publicações de pesquisa podem ser acessadas eletronicamente tão logo elas tenham sido finalizadas e publicadas. Nesse contexto, surgem as Bibliotecas Digitais como um sistema de informação complexo que possui uma série de atividades que integram coleções, serviços e pessoas em suporte ao completo ciclo de criação, disseminação, acesso e preservação de dados, informação e conhecimento. No entanto, devido a enorme quantidade de conteúdo presente na Web, em particular nas Bibliotecas Digitais, usuários acabam se deparando com uma diversidade muito grande de opções, o que leva ao fenômeno conhecido como sobrecarga de informação. Com o objetivo de contribuir para amenizar ou até mesmo eliminar essas dificuldades, sistemas de recomendação para Bibliotecas Digitais têm sido propostos e desenvolvidos. Este trabalho segue essa direção, investigando soluções alternativas para alcançar mais qualidade nas indicações geradas por um sistema de recomendação na sua tarefa de ajudar os seus usuários. Para isso estudou-se as abordagens tratadas na literatura especializada sobre tais sistemas, propondo-se em seguida, um sistema de recomendação personalizada de artigos científicos para Bibliotecas Digitais. Tal sistema seguiu uma abordagem híbrida, procurando tirar proveito das características interessantes identificadas nas técnicas de filtragem e recomendação baseadas em conteúdo e colaborativa. Nesse sentido desenvolveu-se um engenho de recomendação híbrido que se utiliza de tecnologias padrão para a descrição de conteúdo (Padrão Dublin Core), comunicação com Bibliotecas Digitais (Protocolo OAI-PMH) e perfil do pesquisador (Currículo Lattes). Finalmente, avaliou-se o sistema proposto sobre uma base de dados do CiteSeer contendo artigos no formato Dublin Core, tendo os resultados preliminares mostrado-se satisfatórios melhorando a precisão na recomendação e a cobertura quando comparado com sistemas que implementam abordagens baseada em conteúdo e colaborativa isoladamente