Busca avançada
Ano de início
Entree

Explorando anotações colaborativas em sistemas de recomendação híbridos

Resumo

Serviços de recomendação são uma importante ferramenta para lidar com a sobrecarga de informações. Entretanto, um problema comum existente é o conhecimento de informações significativas sobre o conteúdo e sobre as preferências do usuário. A dificuldade de se obter essas informações é chamada de lacuna semântica, e os problemas relacionados têm sido estudados por pesquisadores ao longo dos anos. Por outro lado, com o advento da Web 2.0 e a possibilidade de usuários atuarem como produtores de conteúdo e incrementarem os dados com anotações, novas possibilidades de pesquisa foram criadas para reduzir os efeitos da lacuna semântica. Este plano de pesquisa tem como objetivo investigar alguns dos desafios relacionados com a utilização de anotações colaborativas para melhorar serviços de recomendação. Para isso, propõe-se o desenvolvimento de um modelo unificado de recomendação capaz de analisar as informações produzidas pela interação dos usuários com o sistema, a fim de se obter automaticamente metadados mais ricos sobre o o conteúdo, e também sobre os interesses pessoais dos indivíduos. Como resultados esperados do projeto, destaca-se a integração eficiente de técnicas provenientes de diferentes áreas, como a recuperação de informação, aprendizado de máquina e processamento de linguagem natural, no contexto de sistemas de recomendação. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MANZATO, MARCELO G.; DOMINGUES, MARCOS A.; FORTES, ARTHUR C.; SUNDERMANN, CAMILA V.; D'ADDIO, RAFAEL M.; CONRADO, MERLEY S.; REZENDE, SOLANGE O.; PIMENTEL, MARIA G. C. Mining unstructured content for recommender systems: an ensemble approach. INFORMATION RETRIEVAL JOURNAL, v. 19, n. 4, p. 378-415, AUG 2016. Citações Web of Science: 3.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.