Big Data e Business Intelligence - uso de dados de redes sociais como solução para cenário de cold-start em sistema de recomendação

• Processo: 14/04851-8
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de março de 2017
• Data de Término da vigência: 31 de agosto de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Solange Nice Alves de Souza
• Beneficiário: Solange Nice Alves de Souza
• Instituição Sede: Escola Politécnica (EP). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Bolsa(s) vinculada(s): 17/04658-1 - Implementação e testes de ambiente computacional para um sistema de recomendação, BP.TT
• Assunto(s): Inteligência empresarial Sistemas de recomendação Banco de dados Big data Redes sociais
• Palavra(s)-Chave do Pesquisador: big data | Business Intelligence | data quality | governança de dados | redes sociais | sistemas de recomendação | Banco de Dados

Resumo

Nos últimos anos aumentaram vertiginosamente a geração de dados e as oportunidades associadas com sua análise. Muitos desses dados estão vindo de redes sociais, blogs, fotos e vídeos, além de servidores e/ou sistemas que gravam logs de navegação e qualquer ação relevante de usuários que estão visitando a web. O termo Big Data reflete as características destes dados e os requisitos para sua gestão, a qual é mais complexa, dado o volume, a variedade e a velocidade necessária para o processamento desses dados. Tirar proveito dessa enorme quantidade de dados é uma tarefa extremante complexa para o ser humano sem o auxílio computacional. Sistemas de recomendação tem o propósito de auxiliar o usuário a encontrar artefatos (produtos, documentos, informações, serviços) que podem interessá-lo. Como a recomendação se baseia em dados sobre o usuário, em cenários de cold-start, onde não existem informações disponíveis sobre o mesmo, a recomendação se torna um problema de maior complexidade. O problema de cold-start tem recebido bastante atenção e várias propostas têm sido apresentadas na literatura, contudo ainda não existe uma solução que possa ser aplicada a qualquer domínio ou situação. Neste cenário, dados extraídos de redes sociais são uma fonte de informação valiosa que possibilita recomendações assertivas para o usuário. Este projeto apresenta uma solução para o contexto de cold-start utilizando somente dados extraídos de redes sociais. (AU)

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)

GONZALEZ CAMACHO, LESLY ALEJANDRA; ALVES-SOUZA, SOLANGE NICE. Social network data to alleviate cold-start in recommender system: A systematic review. INFORMATION PROCESSING & MANAGEMENT, v. 54, n. 4, p. 529-544, JUL 2018. (14/04851-8)

GONZALEZ CAMACHO, LESLY ALEJANDRA; KERSUL FARIA, JOAO HENRIQUE; ALVES-SOUZA, SOLANGE NICE; LEITE FILGUEIRAS, LUCIA VILELA; FRED, A; FILIPE, J. Social Tracks: Recommender System for Multiple Individuals using Social Influence. KDIR: PROCEEDINGS OF THE 11TH INTERNATIONAL JOINT CONFERENCE ON KNOWLEDGE DISCOVERY, KNOWLEDGE ENGINEERING AND KNOWLEDGE MANAGEMENT - VOL 1: KDIR, v. N/A, p. 9-pg., 2019-01-01. (14/04851-8)

GONZALEZ-CAMACHO, LESLY ALEJANDRA; KERSUL FARIA, JOAO HENRIQUE; MACHADO, LUCAS TORREAO; ALVES-SOUZA, SOLANGE NICE; ROCHA, A; ADELI, H; DZEMYDA, G; MOREIRA, F. Recommender System Based on the Friendship Between Social Network Users in a Cold-Start Scenario. INFORMATION SYSTEMS AND TECHNOLOGIES, WORLDCIST 2022, VOL 3, v. 470, p. 19-pg., 2022-01-01. (14/04851-8)