Exploração de técnicas de mineração de textos para aquisição automática de informação contextual para sistemas de recomendações sensíveis ao contexto

• Processo: 13/16039-3
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Vigência (Início): 01 de novembro de 2013
• Vigência (Término): 28 de fevereiro de 2015
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Solange Oliveira Rezende
• Beneficiário: Camila Vaccari Sundermann
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Inteligência artificial Contexto informacional Mineração de texto Web
• Palavra(s)-Chave do Pesquisador: Aquisição Automática de Contexto | Contexto | Mineração da Web | Mineração de Textos | Sistemas de Recomendação Sensíveis ao Contexto | Inteligência Artificial

Resumo

Usuários enfrentam dificuldades em escolher produtos e serviços na Web devido a grande variedade de possibilidades de escolha. Sistemas de recomendação são sistemas que têm como objetivo auxiliar indivíduos a identificarem itens de interesse em um conjunto de opções. A maioria das abordagens de sistemas de recomendação foca em recomendar itens mais relevantes para usuários individuais, não levando em consideração o contexto dos usuários. Porém, em muitas aplicações é importante também considerar informações contextuais para fazer as recomendações. Por exemplo, um usuário pode desejar assistir um filme com a sua namorada no sábado à noite ou com os seus amigos durante um dia de semana, e uma locadora de filmes na Web pode recomendar diferentes tipos de filmes para este usuário dependendo do contexto no qual este se encontra. Um grande desafio para o uso de sistemas de recomendação sensíveis ao contexto é a falta de métodos para aquisição automática de informação contextual para estes sistemas. Diante desse cenário, o objetivo deste projeto é explorar técnicas de mineração de textos para a aquisição de informação contextual para sistemas de recomendação de conteúdo Web sensíveis ao contexto. (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)

SUNDERMANN, CAMILA VACCARI; DOMINGUES, MARCOS AURELIO; CONRADO, MERLEY DA SILVA; REZENDE, SOLANGE OLIVEIRA. Privileged contextual information for context-aware recommender systems. EXPERT SYSTEMS WITH APPLICATIONS, v. 57, p. 139-158, SEP 15 2016. (13/16039-3)

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. (13/22547-1, 13/10756-5, 12/13830-9, 14/08996-0, 13/16039-3)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SUNDERMANN, Camila Vaccari. Extração de informação contextual utilizando mineração de textos para sistemas de recomendação sensíveis ao contexto. 2015. Dissertação de Mestrado - Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) São Carlos.