Texto completo
| |
| Autor(es): |
Fernando Soares de Aguiar Neto
Número total de Autores: 1
|
| Tipo de documento: | Dissertação de Mestrado |
| Imprenta: | São Carlos. |
| Instituição: | Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC/SB) |
| Data de defesa: | 2018-10-19 |
| Membros da banca: |
André Carlos Ponce de Leon Ferreira de Carvalho;
Gustavo Enrique de Almeida Prado Alves Batista;
Marcos Aurelio Domingues;
Marcos André Gonçalves
|
| Orientador: | Marcelo Garcia Manzato; Ricardo José Gabrielli Barreto Campello |
| Resumo | |
Sistemas de Recomendação auxiliam usuários a encontrar conteúdo relevante, como filmes, livros, músicas entre outros produtos baseando-se em suas preferências. Tais preferências são obtidas ao analisar interações passadas dos usuários, no entanto, dados coletados com esse propósito tendem a tipicamente possuir alta dimensionalidade e esparsidade. Técnicas baseadas em agrupamento de dados têm sido propostas para lidar com esses problemas de foma eficiente e eficaz ao dividir os dados em grupos similares baseando-se em características pré-definidas. Ainda que essas técnicas tenham recebido atenção crescente na comunidade de sistemas de recomendação, tais técnicas são usualmente atreladas a um algoritmo de recomendação específico e/ou requerem parâmetros críticos, como número de grupos. Neste trabalho, apresentamos três variantes de um método de propósitvo geral de extração ótima de grupos em uma hierarquia, atacando especificamente problemas em Sistemas de Recomendação. Os métodos de extração propostos não requerem parâmetros críticos e podem ser aplicados antes de qualquer sistema de recomendação. Os experimentos mostraram resultados promissores no contexto de nove bases de dados públicas conhecidas em diferentes domínios. (AU) | |
| Processo FAPESP: | 16/04798-5 - Abordagens de Pré-Processamento Aplicadas à Sistemas de Recomendação Baseados em Agrupamento de Dados |
| Beneficiário: | Fernando Soares de Aguiar Neto |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |