Implementação e avaliação de sistemas de recomendação baseados em técnicas de fatoração de matrizes

• Processo: 16/25075-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de março de 2017
• Data de Término da vigência: 30 de novembro de 2017
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Solange Oliveira Rezende
• Beneficiário: Vítor Rodrigues Tonon
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Sistemas de recomendação Contexto Fatoração
• Palavra(s)-Chave do Pesquisador: Contexto | Fatoração de Matrizes | sistemas de recomendação | Aprendizado de Máquina

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. As abordagens tradicionais de sistemas de recomendação focam em recomendar itens mais relevantes para usuários individuais, não levando em consideração o contexto dos usuários. Dentre essas técnicas, estão as técnicas de filtragem colaborativa que utilizam fatoração de matrizes. Tais técnicas se tornaram populares por combinarem boa escalabilidade com boa acurácia, além de oferecerem flexibilidade para modelar várias situações do mundo real. Porém, em muitas aplicações, é importante também considerar informações contextuais para fazer as recomendações. Estudos mostram que o uso de contexto melhora a acurácia da recomendação. Dessa forma, métodos baseados em fatoração de matrizes que utilizam informações contextuais são métodos de sistemas de recomendação que podem apresentar boa precisão. Portanto, neste projeto de Iniciação Científica, serão implementadas duas abordagens de sistemas de recomendação baseadas em fatoração de matrizes: (I) abordagem clássica, que não utiliza informação de contexto e (II) uma abordagem baseada em contexto. As duas implementações serão feitas na linguagem R e embutidas no \textit{framework} de sistemas de recomendação, desenvolvido pelo Professor Dr. Marcos Aurélio Domingues. Essas implementações serão avaliadas e disponibilizadas. (AU)