Made available in DSpace on 2014-06-12T15:58:32Z (GMT). No. of bitstreams: 2
arquivo4647_1.pdf: 2182294 bytes, checksum: 356178597c2bf16867ecf53d523ac6f8 (MD5)
license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5)
Previous issue date: 2004 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Sistemas de Recomendação permitem que sites de Comércio
Eletrônico sugiram produtos aos consumidores provendo informações
relevantes que os ajudem no processo de compra. Para isso é necessária
a aquisição e a adequada utilização do perfil do usuário. O processo de
aquisição pode ser implícito (comprar um livro ou consultar um item em
uma loja on-line) ou explícito (dar uma nota a um filme ou recomendar um
artigo a um amigo). Já as soluções propostas para o segundo problema
podem ser classificadas em duas categorias principais com relação ao tipo
de filtragem adotada: Filtragem Baseada em Conteúdo (baseia-se na
análise da correlação entre o conteúdo dos itens com o perfil do usuário) e
Filtragem Colaborativa (baseada na correlação de perfis de usuários). Tais
técnicas possuem limitações, como escalabilidade na primeira abordagem
e latência na segunda. Contudo, elas são complementares, o que
impulsiona o surgimento de filtragens híbridas, cujo foco é aproveitar o
melhor de cada método. Todavia, as filtragens híbridas não superam
completamente os problemas principais de ambos os métodos.
A motivação deste trabalho surge do desafio de superar os
problemas principais existentes nos métodos de Filtragem Baseada em
Conteúdo. Para isso, o trabalho concentra-se no domínio de recomendação
de filmes, caracterizado por atributos complexos, como sinopse, e no qual
predomina uma aquisição explícita do perfil do usuário. Diante disso, o
presente trabalho apresenta um novo método de filtragem de informação
baseado nas teorias de Análise de Dados Simbólicos.
Na abordagem proposta o perfil é modelado através de um
conjunto de descrições simbólicas modais que sumarizam as informações
dos itens previamente avaliados. Uma função de dissimilaridade que leva
em conta as diferenças em posição e em conteúdo foi criada a fim de
possibilitar a comparação entre um novo item e o perfil do usuário. Para
avaliar o desempenho deste novo método foi modelado um ambiente
experimental baseado no EachMovie e definida uma metodologia para
avaliação dos resultados. Para fins de comparação é utilizada a filtragem
de informação por conteúdo baseado no algoritmo dos k Vizinhos Mais
Próximos (kNN).
A construção de um ambiente experimental de avaliação do
modelo permitiu diagnosticar estatisticamente o melhor desempenho da
filtragem baseada em dados simbólicos modais, tanto em velocidade
quanto em memória, com relação ao método baseado no kNN
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/2475 |
| Date | January 2004 |
| Creators | Leite Dantas Bezerra, Byron |
| Contributors | de Assis Tenório Carvalho, Francisco |
| Publisher | Universidade Federal de Pernambuco |
| 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 UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds