Online social networks (OSNs) are Web platforms providing different services to facilitate social interaction among their users. A particular kind of OSNs is the location-based social network (LBSN), which adds services based on location. One of the most important challenges in LBSNs is the link prediction problem. Link prediction problem aims to estimate the likelihood of the existence of future friendships among user pairs. Most of the existing studies in link prediction focus on the use of a single information source to perform predictions, i.e. only social information (e.g. social neighborhood) or only location information (e.g. common visited places). However, some researches have shown that the combination of different information sources can lead to more accurate predictions. In this sense, in this thesis we propose different link prediction methods based on the use of different information sources naturally existing in these networks. Thus, we propose seven new link prediction methods using the information related to user membership in social overlapping groups: common neighbors within and outside of common groups (WOCG), common neighbors of groups (CNG), common neighbors with total and partial overlapping of groups (TPOG), group naïve Bayes (GNB), group naïve Bayes of common neighbors (GNB-CN), group naïve Bayes of Adamic-Adar (GNB-AA) and group naïve Bayes of Resource Allocation (GNB-RA). Due to that social groups exist naturally in networks, our proposals can be used in any type of OSN.We also propose new eight link prediction methods combining location and social information: Check-in Observation (ChO), Check-in Allocation (ChA), Within and Outside of Common Places (WOCP), Common Neighbors of Places (CNP), Total and Partial Overlapping of Places (TPOP), Friend Allocation Within Common Places (FAW), Common Neighbors of Nearby Places (CNNP) and Nearby Distance Allocation (NDA). These eight methods are exclusively for work in LBSNs. Obtained results indicate that our proposals are as competitive as state-of-the-art methods, or better than they in certain scenarios. Moreover, since our proposals tend to be computationally more efficient, they are more suitable for real-world applications. / Redes sociais online (OSNs) são plataformas Web que oferecem serviços para promoção da interação social entre usuários. OSNs que adicionam serviços relacionados à geolocalização são chamadas redes sociais baseadas em localização (LBSNs). Um dos maiores desafios na análise de LBSNs é a predição de links. A predição de links refere-se ao problema de estimar a probabilidade de conexão futura entre pares de usuários que não se conhecem. Grande parte das pesquisas que focam nesse problema exploram o uso, de maneira isolada, de informações sociais (e.g. amigos em comum) ou de localização (e.g. locais comuns visitados). Porém, algumas pesquisas mostraram que a combinação de diferentes fontes de informação pode influenciar o incremento da acurácia da predição. Motivado por essa lacuna, neste trabalho foram desenvolvidos diferentes métodos para predição de links combinando diferentes fontes de informação. Assim, propomos sete métodos que usam a informação relacionada à participação simultânea de usuários en múltiples grupos sociais: common neighbors within and outside of common groups (WOCG), common neighbors of groups (CNG), common neighbors with total and partial overlapping of groups (TPOG), group naïve Bayes (GNB), group naïve Bayes of common neighbors (GNB-CN), group naïve Bayes of Adamic-Adar (GNB-AA), e group naïve Bayes of Resource Allocation (GNB-RA). Devido ao fato que a presença de grupos sociais não está restrita a alguns tipo de redes, essas propostas podem ser usadas nas diversas OSNs existentes, incluindo LBSNs. Também, propomos oito métodos que combinam o uso de informações sociais e de localização: Check-in Observation (ChO), Check-in Allocation (ChA), Within and Outside of Common Places (WOCP), Common Neighbors of Places (CNP), Total and Partial Overlapping of Places (TPOP), Friend Allocation Within Common Places (FAW), Common Neighbors of Nearby Places (CNNP), e Nearby Distance Allocation (NDA). Tais propostas são para uso exclusivo em LBSNs. Os resultados obtidos indicam que nossas propostas são tão competitivas quanto métodos do estado da arte, podendo até superá-los em determinados cenários. Ainda mais, devido a que na maioria dos casos nossas propostas são computacionalmente mais eficientes, seu uso resulta mais adequado em aplicações do mundo real.

Sistemas de recomendação surgiram da necessidade de selecionar e apresentar conteúdo relevante a usuários de acordo com suas preferências. Dentre os diversos métodos existentes, aqueles baseados em conteúdo faz em uso exclusivo da informação inerente aos itens. Estas informações podem ser criadas a partir de técnicas de indexação automática e manual. Enquanto que as abordagens automáticas necessitam de maiores recursos computacionais e são limitadas á tarefa específica que desempenham, os métodos manuais são caros e propensos a erros. Por outro lado, com a expansão da Web e a possibilidade de usuários comuns criarem novos conteúdos e anotações sobre diferentes itens e produtos, uma alternativa é obter esses metadados criados colaborativamente pelos próprios usuários. Entretanto, essas informações, em especial revisões e comentários, podem conter ruídos, além de estarem em uma forma desestruturada. Deste modo, este trabalho1 tem como objetivo desenvolver métodos de construção de representações de itens baseados em descrições colaborativas para um sistema de recomendação. Objetiva-se analisar o impacto que diferentes técnicas de extração de características, aliadas à análise de sentimento, causam na precisão da geração de sugestões, avaliando-se os resultados em dois cenários de recomendação: predição de notas e geração de ranques. Dentre as técnicas analisadas, observa-se que a melhor apresenta um ganho no poder descritivo dos itens, ocasionando uma melhora no sistema de recomendação. / Recommender systems arose from the need to select and present relevant content to users according to their preferences. Among several existent methods, those based on content make exclusive use of information inherent to the items. This information can be created through automatic and manual indexing techniques. While automa-tic approaches require greater computing resources and are limited to the specific task they perform, manual methods are expensive and prone to errors. On the other hand, with the expansion of theWeb and the possibility of common users to create new content and descriptions about different items and products, an alternative is to get these metadata created collaboratively by the users. However, this information, especially reviews and comments, may contain noise, be- sides being in a unstructured fashion. Thus, this study aims to develop methods for the construction of items representations based on collaborative descriptions for a recommender system. This study aims to analyze the impact that different feature extraction techniques, combined with sentiment analysis, caused in the accuracy of the generated suggestions, evaluating the results in both recommendations cenarios: rating prediction and ranking generation. Among the analyzed techniques, it is observed that the best is able to describe items in a more effcient manner, resulting in an improvement in the recommendation system.

A crescente oferta de programas de código aberto na rede mundial de computadores expõe potenciais usuários a muitas possibilidades de escolha. Em face da pluralidade de interesses desses indivíduos, mecanismos eficientes que os aproximem daquilo que buscam trazem benefícios para eles próprios, assim como para os desenvolvedores dos programas. Este trabalho apresenta o AppRecommender, um recomendador de aplicativos GNU/Linux que realiza uma filtragem no conjunto de programas disponíveis e oferece sugestões individualizadas para os usuários. Tal feito é alcançado por meio da análise de perfis e descoberta de padrões de comportamento na população estudada, de sorte que apenas os aplicativos considerados mais suscetíveis a aceitação sejam oferecidos aos usuários. / The increasing availability of open source software on the World Wide Web exposes potential users to a wide range of choices. Given the individuals plurality of interests, mechanisms that get them close to what they are looking for would benefit users and software developers. This work presents AppRecommender, a recommender system for GNU/Linux applications which performs a filtering on the set of available software and individually offers suggestions to users. This is achieved by analyzing profiles and discovering patterns of behavior of the studied population, in a way that only those applications considered most prone to acceptance are presented to users.

Submitted by Adriana Alves Rodrigues (aalves@espm.br) on 2017-11-22T12:41:30Z No. of bitstreams: 1 ANA PAULA TEIXEIRA BALDINI.pdf: 3710864 bytes, checksum: 138420c4029a61f1d93cdc63b5865011 (MD5) / Approved for entry into archive by Adriana Alves Rodrigues (aalves@espm.br) on 2017-11-22T12:42:00Z (GMT) No. of bitstreams: 1 ANA PAULA TEIXEIRA BALDINI.pdf: 3710864 bytes, checksum: 138420c4029a61f1d93cdc63b5865011 (MD5) / Approved for entry into archive by Ana Cristina Ropero (ana@espm.br) on 2017-11-22T13:00:44Z (GMT) No. of bitstreams: 1 ANA PAULA TEIXEIRA BALDINI.pdf: 3710864 bytes, checksum: 138420c4029a61f1d93cdc63b5865011 (MD5) / Made available in DSpace on 2017-11-22T13:00:53Z (GMT). No. of bitstreams: 1 ANA PAULA TEIXEIRA BALDINI.pdf: 3710864 bytes, checksum: 138420c4029a61f1d93cdc63b5865011 (MD5) Previous issue date: 2017-03-22 / Evaluate buying process from consumer behavior perspective is key to develop effective marketing strategies. Its importance grows as the involvement increases and decision process is perceived as riskier and more complex, especially in the search for information. In this scenario, this dissertation presents an involvement measurement for a specific category purchase: light commercial vehicles. The target is to present also the decision style that the consumer adopts in the buying process, through a scale that captures cognitive and emotional factors, known as Consumer Styles Inventory or CSI. It is also evaluated the importance of recommendations sources as they play an important role in this context, impacting not only the style adopted, but also the final choice. Therefore, it is presented four consumer clusters, according to the styles adopted. It was highlighted involvement and importance of recommendations source in the buying process for the four groups. These goals were achieved through a survey collected from 311 Brazilian buyers of light commercial vehicles. The results confirm the relationship between the constructs decision styles and involvement, as well identifies the most important recommendation sources on the buying process, according to the four clusters. Management implications are also presented based not only on the analysis and results from the survey but also in the experience of field interviews. Based on analysis and results, it is recommended improvements on the scale due low internal consistency of four CSI factors. Besides that, opportunities related to further exploratory studies and transversal analysis are presented as relevant for the light commercial vehicle buying process. / Avaliar o processo de compra sob a perspectiva do comportamento do consumidor é fundamental para traçar estratégias de marketing efetivas. A importância dessa compreensão cresce na medida em que aumenta o envolvimento na compra, ou seja, a decisão é percebida como mais arriscada e o processo, mais complexo, principalmente no tocante à busca de informações. Nesse sentido, essa dissertação apresenta o mensuramento do envolvimento em uma compra de categoria específica: veículos comerciais leves. Busca-se explicitar o estilo que o mesmo adota nesse processo de decisão, por meio de uma escala que captura fatores cognitivos e emocionais, conhecida como Consumer Styles Inventory, ou CSI. Sabe-se que as fontes de recomendações têm papel importante nesse processo, impactando não somente o estilo adotado, mas também a escolha final. Assim, adicionalmente associou-se os estilos do consumidor, ao envolvimento e às fontes de recomendações importantes no processo de compra. Esses objetivos foram atingidos por meio de pesquisa quantitativa com uma amostra de 311 respondentes brasileiros consumidores de veículos comerciais leves, que gerou quatro grupos distintos de consumidores. Os resultados confirmaram o relacionamento entre os construtos estilos decisórios e envolvimento, bem como identificaram as fontes de informação mais importantes no processo de compra, apresentando-os de maneira segmentada. A aplicabilidade gerencial da dissertação é discorrida, a partir da pesquisa quantitativa, bem como a partir da experiência de entrevistas presenciais. Baseando-se nas análises e resultados, sugerem-se melhorias da escala para a categoria de produto, devido a baixa consistência interna de quatro fatores do CSI. Além disso, oportunidades relacionadas a estudos exploratórios e transversais são apresentados como relevantes para o contexto de compra de veículos comerciais leves.

Made available in DSpace on 2016-08-10T10:47:50Z (GMT). No. of bitstreams: 1 LUDMILA FEILENBERGER DE OLIVEIRA MARTINS.pdf: 922952 bytes, checksum: e680cca4977b3ac83aac1a11eec4b098 (MD5) Previous issue date: 2009-08-17 / This thesis deals with the subject "The Previous Conciliation Committee in Brazil from the perspective of the 92nd Recommendation of the International Labor Organization and a comparative analysis of models adopted by Latin America and European Union". This study approaches the means of extrajudicial settlement of labor disputes, emphasizing the Previous Conciliation Committee, established in Brazil by Law nº 9.958/2000 to comply with 92nd Recommendation of the ILO. The research will address the characteristics, procedure, controversial issues and problems faced by these committees and bring a comparative study with the means of extrajudicial conciliation used by Latin American Countries and European Union countries, to verify if the model adopted in Brazil is ideal. / A presente dissertação dispõe sobre o tema As Comissões de Conciliação Prévia no Brasil sob a perspectiva da Recomendação nº 92 da Organização Internacional do Trabalho e uma análise comparativa dos modelos latino-americanos e da União Européia . Este estudo abrange os meios extrajudiciais de solução de conflitos trabalhistas, dando ênfase às Comissões de Conciliação Prévia, instituídas no Brasil por meio da Lei nº 9.958/2000 para dar cumprimento à Recomendação nº 92 da OIT. A pesquisa dispõe sobre as características, procedimento, temas polêmicos e problemas enfrentados pelas referidas comissões e traz um estudo comparativo com as formas de conciliação extrajudicial utilizadas pelos países latino-americanos e da União Européia, visando verificar se o modelo adotado pelo Brasil é o ideal.

Made available in DSpace on 2016-04-26T20:23:07Z (GMT). No. of bitstreams: 1 Ruth Olivier Moreira Manus.pdf: 1409871 bytes, checksum: d11a1d0fae8b5afaab09aa2aa3f9bfdc (MD5) Previous issue date: 2014-08-28 / According to recent data from the International Labour Organisation, Brazil is the country with the highest number of domestic workers in the world. This fact makes the Organization to deliver a special look to Brazil about this issue. Recently approved, the Brazilian Constitutional Amendment No. 72/2013 expands the list of rights of domestic workers in the country. Therefore, this research analyses if this new Brazilian protection law suits the guidelines of the International Labour Organization, especially in regard to the content of Convention 189 and Recommendation 201, which have not yet been ratified by Brazil. This research situates the real dimension of the extension of international protection in order to deliver a critical analysis of the Constitutional Amendment adopted by Brazil. Also, it seeks to understand how Brazil, a developing country with a historical culture of slavery, can walk towards a fair and appropriate protection towards these workers / O Brasil é o país do mundo que mais concentra trabalhadores domésticos, de acordo com dados recentes da Organização Internacional do Trabalho (OIT). Esse fato faz com que a Organização dispense um olhar especial ao Brasil, no que tange ao referido tema. Recentemente, foi aprovada a Emenda Constitucional n. 72/2013, ampliando o rol de direitos de tais trabalhadores em território brasileiro. Ante a essa perspectiva, analisa-se, neste presente estudo, se essa proteção se adequa às diretrizes da OIT, especialmente no que diz respeito ao teor da Convenção 189 e da Recomendação 201, que ainda não foram ratificadas no Brasil. Situa-se, com isso, a real dimensão da extensão da proteção internacional por meio de uma compilação que tem como base uma análise crítica da alteração constitucional aprovada em nosso País. Trata-se, portanto, de pesquisa que busca entender como o Brasil, país em desenvolvimento e de cultura escravocrata, pode caminhar na direção de uma proteção que seja, para essa parcela da população, justa e adequada

A crescente demanda por cursos baseados na World Wide Web (Web) tem imposto uma série de desafios para a área da Tecnologia da Informação e da Comunicação (TIC), em particular quando se considera a Educação apoiada pela Web. Uma das necessidades emergentes da Educação via Web está relacionada com o uso de Objetos de Aprendizagem (OA) dentro de Sistemas Gerenciadores de Curso (SGC). Além de considerar a produção de OA com \"qualidade\", deve-se providenciar seu armazenamento e disseminação de modo eficaz. Entretanto, algumas dificuldades tem sido reportadas por professores envolvidos com cursos pela Web, tais como: o \"custo elevado\" para a autoria do OA; a falta de ferramentas para o compartilhamento desses materiais; e experiências práticas negativas no reúso desses conteúdos em um SGC. Uma primeira proposta para mitigar esses problemas tem sido o desenvolvimento de ferramentas de Repositório de Objetos de Aprendizagem (ROA), visando principalmente facilitar a disseminação dos OA. Apesar do progresso já alcançado, ainda existem várias barreiras para a sua adoção pelos professores, como falta de integração simples entre o SGC e o ROA. Em geral as integrações atuais mostram-se difíceis para um usuário típico. Neste cenário, o objetivo deste projeto é apresentar um ROA inovador, o Repositório Interativo de Conteúdo Digital - iRepositório, cujo modelo prevê uma integração simplificada com um particular SGC e ainda oferece vários recursos para melhorar os processos de ensino e de aprendizagem, como o registro da eficácia educacional do OA. Como contribuição prática os fundamentos do iRepositório foram implementados para um SGC específico, o Moodle. Além de compartilhar OA entre cursos e usuários, ele provê recursos a outro componente do Moodle, o Tarefa Interativa - iTarefa, para armazenamento, classificação e busca de OA ou ainda facilidades para a manipulação dos Módulos de Aprendizagem Interativa (iMA). / The increasing demand for World Wide Web (Web) based courses has imposed some challenges in Information and Communications Technology (ICT) field, in particular when considering the education supported by the Web. One of the emerging needs of education supported by the Web is related to the Learning Objects (LO) usage inside Learning Management Systems (LMS). Besides production of \"good quality\" LO, it must be provided efficient methods concerning their storage and dissemination. However, some difficulties have been reported by teachers of Web based courses: \"expensive costs\" for LO authoring; lack of tools for sharing these materials; and negative practical experiences for reusing them in an LMS. Some proposals to mitigate these problems have been the development of Learning Object Repository (LOR) tools, mainly in order to facilitate the dissemination of LO. Despite the progress already achieved, there are still several barriers for their adoption by teachers such as lack of easy integration between LMS environment and LOR. In general, current integrations are not simple for typical users. In this context, the target of this project is to presents an innovative LOR, the Interactive Repository of Digital Contents - iRepository. Its model provides seamless integration with a particular LMS and offers several resources to help teaching and learning processes, such as registry of LO educational effectiveness. As a practical contribution, the fundamentals of iRepository model were implemented for an specific LMS, the Moodle system. Besides promoting LO sharing among courses and users, it provides resources to other Moodle component, the Interactive Assignment - iAssign, for storage, classification e searching of LO, or even ease management of Interactive Learning Module (iLM).

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 2018-04-11T14:50:08Z No. of bitstreams: 1 CAIO SANTOS BEZERRA NÓBREGA - DISSERTAÇÃO PPGCC 2014..pdf: 983246 bytes, checksum: 5eca7651706ce317dc514ec2f1aa10c3 (MD5) / Made available in DSpace on 2018-04-11T14:50:08Z (GMT). No. of bitstreams: 1 CAIO SANTOS BEZERRA NÓBREGA - DISSERTAÇÃO PPGCC 2014..pdf: 983246 bytes, checksum: 5eca7651706ce317dc514ec2f1aa10c3 (MD5) Previous issue date: 2014-07-30 / Capes / Sugerir os produtos mais apropriados aos diversos tipos de consumidores não é uma tarefa trivial, apesar de ser um fator chave para aumentar satisfação e lealdade destes. Devido a esse fato, sistemas de recomendação têm se tornado uma ferramenta importante para diversas aplicações, tais como, comércio eletrônico, sites personalizados e redes sociais. Recentemente, a fatoração de matrizes se tornou a técnica mais bem sucedida de implementação de sistemas de recomendação. Os parâmetros do modelo de fatoração de matrizes são tipicamente aprendidos por meio de métodos numéricos, tal como o gradiente descendente. O desempenho do gradiente descendente está diretamente relacionada à configuração da taxa de aprendizagem, a qual é tipicamente configurada para valores pequenos, com o objetivo de não perder um mínimo local. Consequentemente, o algoritmo pode levar várias iterações para convergir. Idealmente,é desejada uma taxa de aprendizagem que conduza a um mínimo local nas primeiras iterações, mas isto é muito difícil de ser realizado dada a alta complexidade do espaço de valores a serem pesquisados. Começando com um estudo exploratório em várias bases de dados de sistemas de recomendação, observamos que, para a maioria das bases, há um padrão linear entre a taxa de aprendizagem e o número de iterações necessárias para atingir a convergência. A partir disso, propomos utilizar modelos de regressão lineares simples para predizer, para uma base de dados desconhecida, um bom valor para a taxa de aprendizagem inicial. A ideia é estimar uma taxa de aprendizagem que conduza o gradiente descendenteaummínimolocalnasprimeirasiterações. Avaliamosnossatécnicaem8bases desistemasderecomendaçãoreaisecomparamoscomoalgoritmopadrão,oqualutilizaum valorfixoparaataxadeaprendizagem,ecomtécnicasqueadaptamataxadeaprendizagem extraídas da literatura. Nós mostramos que conseguimos reduzir o número de iterações até em 40% quando comparados à abordagem padrão. / Suggesting the most suitable products to different types of consumers is not a trivial task, despite being a key factor for increasing their satisfaction and loyalty. Due to this fact, recommender systems have be come an important tool for many applications, such as e-commerce, personalized websites and social networks. Recently, Matrix Factorization has become the most successful technique to implement recommendation systems. The parameters of this model are typically learned by means of numerical methods, like the gradient descent. The performance of the gradient descent is directly related to the configuration of the learning rate, which is typically set to small values, in order to do not miss a local minimum. As a consequence, the algorithm may take several iterations to converge. Ideally, one wants to find a learning rate that will lead to a local minimum in the early iterations, but this is very difficult to achieve given the high complexity of search space. Starting with an exploratory study on several recommendation systems datasets, we observed that there is an over all linear relationship between the learnin grate and the number of iterations needed until convergence. From this, we propose to use simple linear regression models to predict, for a unknown dataset, a good value for an initial learning rate. The idea is to estimate a learning rate that drives the gradient descent as close as possible to a local minimum in the first iteration. We evaluate our technique on 8 real-world recommender datasets and compared it with the standard Matrix Factorization learning algorithm, which uses a fixed value for the learning rate over all iterations, and techniques fromt he literature that adapt the learning rate. We show that we can reduce the number of iterations until at 40% compared to the standard approach.

Submitted by Bruna Oliveira (brunamiyuki@gmail.com) on 2017-08-29T17:05:38Z No. of bitstreams: 1 Tese_versãofinal.pdf: 3842360 bytes, checksum: 086bcf268fcb7702a198316e866fa6a2 (MD5) / Approved for entry into archive by Pamela Beltran Tonsa (pamela.tonsa@fgv.br) on 2017-08-29T19:48:14Z (GMT) No. of bitstreams: 1 Tese_versãofinal.pdf: 3842360 bytes, checksum: 086bcf268fcb7702a198316e866fa6a2 (MD5) / Made available in DSpace on 2017-08-30T13:07:01Z (GMT). No. of bitstreams: 1 Tese_versãofinal.pdf: 3842360 bytes, checksum: 086bcf268fcb7702a198316e866fa6a2 (MD5) Previous issue date: 2017-07-31 / A privacidade de informações na internet é uma das maiores preocupações advindas da ascensão da web 2.0. Entretanto, cada vez é mais comum a requisição e manejamento de dados pessoais por empresas que, por meio de Sistemas de Recomendação (SR), visam garantir aos usuários serviços ou produtos personalizados às suas necessidades. Porém, frequentemente os consumidores enfrentam um paradoxo de privacidade-personalização, pois precisam conceder informações, mas temem como elas serão utilizadas pelas empresas. O uso incoerente de tais dados pode dar ao indivíduo a sensação de que sua liberdade está sendo cerceada, levando-o a reagir de maneira diversa da intenção do sistema. Trata-se, efetivamente, de um efeito bumerangue, entendido como uma resposta oposta à ameaça de sua liberdade na web. Tendo em vista que a literatura de SI explora de maneira insuficiente os efeitos da percepção de intrusão na disposição em revelar informações, sobretudo por meio da teoria da reatância psicológica – de onde advém o efeito bumerangue – o objetivo desta pesquisa foi verificar como a percepção dos usuários sobre a intrusão do Sistema de Recomendação pode afetar a sua disposição em revelar suas informações. Foram realizados dois experimentos, sendo um nos Estados Unidos e outro no Brasil, com amostras válidas de 213 e 237 participantes, respectivamente. Para isto, foi desenvolvido um protótipo de Sistema de Recomendação Experimental na plataforma Qualtrics. As técnicas utilizadas para análise de dados foram a análise de variância de um fator (one-way ANOVA) e a análise de covariância (ANCOVA). Dentre os resultados obtidos, demonstrou-se o efeito bumerangue do SR, pois quanto maior o nível de intrusão do SR, menor a disposição para revelar suas informações; verificou-se a existência de apenas dois níveis de intrusão percebida pelo usuário; foi constatado o impacto das preocupações de privacidade na internet na relação entre percepção de intrusão e disposição em revelar suas informações, além da uniformidade no comportamento entre as duas amostras. Com base nos resultados, espera-se que desenvolvedores de SR e empresas que os utilizam evitem futuros efeitos bumerangue em suas recomendações, o que afugentaria um potencial cliente. / Information privacy on internet is one of the biggest concerns that arise with web 2.0. However, it is increasingly common for companies that use Recommendation Systems (RS) the request and manage of personal data aiming to guarantee personalized services or products to the users. However, consumers often face a privacy-personalization paradox because they need to provide information, but fear how companies will use it. Incoherent use of such data can give to the individual the feeling that their freedom is being curtailed, causing reactions differently than the system’s intention. It is a boomerang effect, understood as an opposed response to the threat of its freedom on the web. Considering that the IS literature insufficiently explores the effects of the perception of intrusion on the willingness to disclose information, especially through the theory of psychological reactance – where the boomerang effect comes from – the objective of this research is to verify how the users' perception of the intrusion of the Recommendation System may affect your willingness to disclose your information. Two experiments were conducted in the United States and Brazil, with valid samples of 213 and 237 participants, respectively. A prototype of an Experimental Recommendation System (ERS) was developed on the Qualtrics platform. The techniques used for data analysis were the analysis of one-way variance (one-way ANOVA) and covariance analysis (ANCOVA). Among the results, the boomerang effect of RS was demonstrated, because the higher the level of SR intrusion, the less is the willingness to disclose its information. It was verified the existence of only two levels of intrusion perceived by the user. The impact of Internet privacy concerns on the relationship between perception of intrusion and willingness to disclose information was verified, as well as the behavioral indifference between the two samples. Based on the results, RS developers and companies that use them are expected to avoid future boomerang effects in their recommendations, which would scare away a potential customer.