Submitted by Clebson Anjos (clebson.leandro54@gmail.com) on 2016-02-11T18:57:46Z
No. of bitstreams: 1
arquivototal.pdf: 1637083 bytes, checksum: 23ef5059be1eb85b0ff5f8ccf73e60d0 (MD5) / Made available in DSpace on 2016-02-11T18:57:46Z (GMT). No. of bitstreams: 1
arquivototal.pdf: 1637083 bytes, checksum: 23ef5059be1eb85b0ff5f8ccf73e60d0 (MD5)
Previous issue date: 2013-03-18 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The emerging scenario of interactive Digital TV (iDTV) is promoting the increase of
interactivity in the communication process and also in audiovisual production, thus
rising the number of channels and resources available to the user. This reality makes
the task of finding the desired content becoming a costly and possibly ineffective
action. The incorporation of recommender systems in the iDTV environment is
emerging as a possible solution to this problem. This work aims to propose a hybrid
approach to content recommendation in iDTV, based on data mining techniques,
integrated the concepts of the Semantic Web, allowing structuring and standardization
of data and consequent possibility of sharing information, providing semantics and
automated reasoning. For the proposed service is considered the Brazilian Digital TV
System and the middleware Ginga. A prototype has been developed and carried out
experiments with NetFlix database using the measuring accuracy for evaluation. There
was obtained an average accuracy of 30% using only mining technique. Including
semantic rules obtained average accuracy of 35%. / Com o advento da TV Digital interativa (TVDi), nota-se o aumento de interatividade no processo de comunicação além do incremento das produções audiovisuais, elevando o número de canais e recursos disponíveis para o usuário. Esta realidade faz da tarefa de encontrar o conteúdo desejado uma ação onerosa e possivelmente ineficaz. A incorporação de sistemas de recomendação no ambiente TVDi emerge como uma possível solução para este problema. Este trabalho tem como objetivo propor uma abordagem híbrida para recomendação de conteúdo em TVDi, baseada em técnicas de Mineração de Dados, integradas a conceitos da Web Semântica, permitindo a estruturação e padronização dos dados e consequente possibilidade do compartilhamento de informações, provendo semântica e raciocínio automático. Para o serviço proposto é considerado o Sistema Brasileiro de TV Digital e o middleware
Ginga. Foi desenvolvido um protótipo e realizado experimentos com a base de dados do NetFlix, utilizando a métrica de precisão para avaliação. Obteve-se uma precisão média de 30%, utilizando apenas a técnica de mineração. Acoplando-se com as regras semânticas obteve-se precisão média de 35%.
Identifer | oai:union.ndltd.org:IBICT/oai:tede.biblioteca.ufpb.br:tede/7826 |
Date | 18 March 2013 |
Creators | Vieira, Priscilla Kelly Machado |
Contributors | Lino, Natasha Correia Queiroz |
Publisher | Universidade Federal da Paraíba, Programa de Pós-Graduação em Informática, UFPB, Brasil, Informática |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFPB, instname:Universidade Federal da Paraíba, instacron:UFPB |
Rights | info:eu-repo/semantics/openAccess |
Relation | -487746387940377586, 600, 600, 600, 600, -8907815646913317584, 3671711205811204509, 3590462550136975366 |
Page generated in 0.002 seconds