[pt] São duas as contribuições deste trabalho: (1) analisar a empregabilidade de algoritmos de recomendação para redes sociais. Tais algoritmos de recomendação podem receber como entrada não somente o grafo social destas redes como também características do conteúdo de itens a serem recomendados para usuários finais. Para tal, serão levantadas as principais características das redes sociais e as técnicas de recomendação automática que podem ser empregadas para essas tarefas. Especial atenção será dada à rede social online Flickr para compartilhamento de fotos e ao emprego de métricas de semelhança visual entre imagens. A segunda contribuição (2) é a construção de uma framework para a modelagem e análise de redes sociais, bem como o estudo do desempenho de algoritmos de recomendação nestes contextos. Estarão nela contidas as melhores práticas adotadas ao longo do estudo, como técnicas para coleta, análise e visualização de dados, classificação de redes sociais e tarefas de recomendação dentro destas, implementação dos algoritmos e arquiteturas de recomendadores. A relevância de tais contribuições advém da enorme quantidade de informação disponível online e crescente complexidade dos inter-relacionamentos entre esses dados. Sistemas recomendadores nesse contexto podem oferecer grande ajuda para usuários finais. / [en] This dissertation offers two major contributions: (1) to evaluate the
suitability of recommender algorithms for social networks. Such recommender
algorithms may receive as input not only the social graph of these
networks but also content-based data from recommended items. For such,
the relevant characteristics of social networks and the most important recommender
techniques for these tasks will be surveyed. Special attention is
given to the web-based system for social photo-sharing called Flickr and to
the employment of visual metrics for image similarity. The second contribution
(2) is the construction of a framework for the modeling and analysis of
social networks, as well as aiding the empirical study of recommender algorithms
on these contexts. Also part of this framework are the best practices
adopted throughout the work done on this dissertation, such as: techniques
for the gathering, analysis and visualization of data; social networks classification;
identification and modeling of recommending tasks within these
contexts; implementation of algorithms and their architecture. The relevance
of such contributions lies on the enormous amount of information
available online and on the ever-growing complexity of the relationships between
this data. In this context, recommender systems may provide a great
aid for end-users.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:13454 |
| Date | 12 May 2009 |
| Creators | RICARDO NIEDERBERGER CABRAL |
| Contributors | DANIEL SCHWABE |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0019 seconds