Incorporação de metadados semânticos para recomendação no cenário de partida fria (2019)
- Authors:
- Autor USP: FRESSATO, EDUARDO PEREIRA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- Subjects: WEB SEMÂNTICA; RECUPERAÇÃO DA INFORMAÇÃO; APRENDIZADO COMPUTACIONAL
- Keywords: Cold start; Collaborative filtering; Dados abertos conectados; Fatoração de matrizes; Filtragem colaborativa; Linked open data; Matrix factorization; Partida fria; Recommender systems; Sistemas de recomendação
- Language: Português
- Abstract: Com o propósito de auxiliar os usuários no processo de tomada de decisão, diversos tipos de sistemas Web passaram a incorporar sistemas de recomendação. As abordagens mais utilizadas são a filtragem baseada em conteúdo, que recomenda itens com base nos seus atributos, a filtragem colaborativa, que recomenda itens de acordo com o comportamento de usuários similares, e os sistemas híbridos, que combinam duas ou mais técnicas. A abordagem baseada em conteúdo apresenta o problema de análise limitada de conteúdo, o qual pode ser reduzido com a utilização de informações semânticas. A filtragem colaborativa, por sua vez, apresenta o problema da partida fria, esparsidade e alta dimensionalidade dos dados. Dentre as técnicas de filtragem colaborativa, as baseadas em fatoração de matrizes são geralmente mais eficazes porque permitem descobrir as características subjacentes às interações entre usuários e itens. Embora sistemas de recomendação usufruam de diversas técnicas de recomendação, a maioria das técnicas apresenta falta de informações semânticas para representarem os itens do acervo. Estudos na área de sistemas de recomendação têm analisado a utilização de dados abertos conectados provenientes da Web dos Dados como fonte de informações semânticas. Dessa maneira, este trabalho tem como objetivo investigar como relações semânticas computadas a partir das bases de conhecimentos disponíveis na Web dos Dados podem beneficiar sistemas de recomendação. Este trabalho explora duasquestões neste contexto: como a similaridade de itens pode ser calculada com base em informações semânticas e; como semelhanças entre os itens podem ser combinadas em uma técnica de fatoração de matrizes, de modo que o problema da partida fria de itens possa ser efetivamente amenizado. Como resultado, originou-se uma métrica de similaridade semântica que aproveita a hierarquia das bases de conhecimento e obteve um desempenho superior às outras métricas na maioria das bases de dados. E também o algoritmo Item-MSMF que utiliza informações semânticas para amenizar o problema de partida fria e obteve desempenho superior em todas as bases de dados avaliadas no cenário de partida fria.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 06.05.2019
-
ABNT
FRESSATO, Eduardo Pereira. Incorporação de metadados semânticos para recomendação no cenário de partida fria. 2019. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-09082019-134753/. Acesso em: 05 out. 2024. -
APA
Fressato, E. P. (2019). Incorporação de metadados semânticos para recomendação no cenário de partida fria (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-09082019-134753/ -
NLM
Fressato EP. Incorporação de metadados semânticos para recomendação no cenário de partida fria [Internet]. 2019 ;[citado 2024 out. 05 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-09082019-134753/ -
Vancouver
Fressato EP. Incorporação de metadados semânticos para recomendação no cenário de partida fria [Internet]. 2019 ;[citado 2024 out. 05 ] Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-09082019-134753/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
