Ensemble de agrupamentos para sistemas de recomendação baseados em conteúdo (2018)
- Autores:
- Autor USP: COSTA, FERNANDO HENRIQUE DA SILVA - EACH
- Unidade: EACH
- Assuntos: MINERAÇÃO DE DADOS; INTELIGÊNCIA ARTIFICIAL
- Palavras-chave do autor: Cluster ensemble; Content-based recommender systems; Ensemble de agrupamento; Partial similarity; Serendipidade; Serendipity; Similaridade parcial; Sistemas de recomendação baseados em conteúdo
- Idioma: Português
- Resumo: O crescimento acelerado da internet proporcionou uma quantidade grande de informações acessíveis aos usuários. Ainda que tal quantidade possua algumas vantagens, os usuários que possuem pouca ou nenhuma experiência para escolher uma alternativa dentre as várias apresentadas terão dificuldades em encontrar informações (ou itens, considerando o escopo deste trabalho) úteis e que atendam às suas necessidades. Devido a esse contexto, os sistemas de recomendação foram desenvolvidos para auxiliar os usuários a encontrar itens relevantes e personalizados. Tais sistemas são divididos em diversas arquiteturas. Como exemplo estão as arquiteturas baseadas em: conteúdo, filtro colaborativo e conhecimento. Para este trabalho, a primeira arquitetura foi explorada. A arquitetura baseada em conteúdo recomenda itens ao usuário com base na similaridade desses aos itens que o usuário mostrou interesse no passado. Por consequência, essa arquitetura possui a limitação de, geralmente, realizar recomendações com baixa serendipidade, uma vez que os itens recomendados tendem a ser semelhantes àqueles observados pelo o usuário e, portanto, não apresentam novidade ou surpresa. Diante desta limitação, o aspecto de serendipidade tem destaque nas discussões apresentadas neste trabalho. Assim, o objetivo deste trabalho é minimizar o problema da baixa serendipidade das recomendações por meio da utilização da análise de similaridades parciais implementada usando ensemble de agrupamentos... (Continua)(Continuação) Para alcançar este objetivo, estratégias de recomendação baseadas em conteúdo implementadas usando agrupamento e ensemble de agrupamento foram propostas e avaliadas neste trabalho. A avaliação contou com análises qualitativas sobre as recomendações produzidas e com um estudo com usuários. Nesse estudo, quatro estratégias de recomendação de notícias foram avaliadas, incluindo as duas propostas neste trabalhos, uma estratégia baseada em recomendação aleatória, e uma estratégia baseada em coagrupamento. As avaliações consideraram aspectos de relevância, surpresa e serendipidade de recomendações. Esse último aspecto é descrito como itens que apresentam tanto surpresa quanto relevância ao usuário. Os resultados de ambas análises mostraram a viabilidade da utilização de agrupamento como base de recomendação, uma vez que o ensemble de agrupamentos obteve resultados satisfatórios em todos os aspectos, principalmente em surpresa, enquanto a estratégia baseada em agrupamento simples obteve os melhores resultados em relevância e serendipidade
- Imprenta:
- Data da defesa: 05.11.2018
-
ABNT
COSTA, Fernando Henrique da Silva. Ensemble de agrupamentos para sistemas de recomendação baseados em conteúdo. 2018. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2018. Disponível em: http://www.teses.usp.br/teses/disponiveis/100/100131/tde-13122018-213447/. Acesso em: 18 abr. 2024. -
APA
Costa, F. H. da S. (2018). Ensemble de agrupamentos para sistemas de recomendação baseados em conteúdo (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de http://www.teses.usp.br/teses/disponiveis/100/100131/tde-13122018-213447/ -
NLM
Costa FH da S. Ensemble de agrupamentos para sistemas de recomendação baseados em conteúdo [Internet]. 2018 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/100/100131/tde-13122018-213447/ -
Vancouver
Costa FH da S. Ensemble de agrupamentos para sistemas de recomendação baseados em conteúdo [Internet]. 2018 ;[citado 2024 abr. 18 ] Available from: http://www.teses.usp.br/teses/disponiveis/100/100131/tde-13122018-213447/
Como citar
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
