Bolsa 13/16039-3 - Inteligência artificial, Contexto informacional

Processo:	13/16039-3
Modalidade de apoio:	Bolsas no Brasil - Mestrado
Data de Início da vigência:	01 de novembro de 2013
Data de Término da vigência:	28 de fevereiro de 2015
Área de 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)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itens Menos itens
TITULO

Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itens Menos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas

(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)

SINOARA, ROBERTA A.; SUNDERMANN, CAMILA V.; MARCACINI, RICARDO M.; DOMINGUES, MARCOS A.; REZENDE, SOLANGE O.; ALMEIDA, A; BERNARDINO, J; GOMES, EF. Named Entities as Privileged Information for Hierarchical Text Clustering. PROCEEDINGS OF THE 18TH INTERNATIONAL DATABASE ENGINEERING AND APPLICATIONS SYMPOSIUM (IDEAS14), v. N/A, p. 10-pg., 2014-01-01. (13/16039-3, 13/14757-6, 10/20564-8, 12/13830-9)

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.

URL curto