Submitted by Santos Davilene (davilenes@ufba.br) on 2016-05-25T15:22:41Z
No. of bitstreams: 1
dissertacao_mestrado_ciencia_computacao_rafael_glauber.pdf: 2701674 bytes, checksum: d9b74db08b0e071f5dddf22ab848cd3e (MD5) / Made available in DSpace on 2016-05-25T15:22:41Z (GMT). No. of bitstreams: 1
dissertacao_mestrado_ciencia_computacao_rafael_glauber.pdf: 2701674 bytes, checksum: d9b74db08b0e071f5dddf22ab848cd3e (MD5) / Sistemas de Recomendação sugerem itens de interesse explorando as preferências dos usuários
ajudando-os contra o problema da sobrecarga de informações. Primeiramente estes sistemas eram
construídos, exclusivamente, através de técnicas com origem nas áreas de Recuperação de Informação
e Aprendizado de Máquina. Porém, desde o início da década de 90 a abordagem conhecida como
Filtragem Colaborativa, que não explora qualquer tipo de conteúdo disponível dos itens para realizar
sua tarefa, passou a ser a mais utilizada como solução para estes sistemas. Pesquisas como as de
Shardanand & Maes (1995); Das et al. (2007); Konstan & Riedl (2012) justificam essa preferência
por conta de deficiências preexistentes nos algoritmos de filtragem por conteúdo dos itens. Entretanto,
nestas pesquisas não são evidenciadas essas deficiências ou mesmo as diferenças e semelhanças das
recomendações geradas pelos algoritmos dessas duas abordagens levando esta discussão ao senso
comum. Neste trabalho é proposta uma metodologia para comparação de algoritmos de recomendação
que vai além da precisão das previsões. Para demonstrar essa metodologia a aplicamos na comparação das abordagens de Filtragem Baseada em Conteúdo Textual e a Filtragem Colaborativa. Nossos resultados demonstram que algoritmos dessas duas abordagens não só diferem em diversas dimensões em um teste de sistema, como também apresentam características que sugerem grande complementariedade.
Identifer | oai:union.ndltd.org:IBICT/oai:192.168.11:11:ri/19281 |
Date | 17 October 2014 |
Creators | Silva, Rafael Glauber Nascimento e |
Contributors | Loula, Angelo Conrado, Rocha Júnior, João, Silva, Leandro Nunes de Castro |
Publisher | Instituto de Matemática. Departamento de ciência da Computação, Mestrado Multiinstitucional em Ciência da Computação, UFBA, brasil |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFBA, instname:Universidade Federal da Bahia, instacron:UFBA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0015 seconds