Use este identificador para citar ou linkar para este item:
https://repositorio.ufba.br/handle/ri/19281
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Loula, Angelo Conrado | - |
dc.contributor.author | Silva, Rafael Glauber Nascimento e | - |
dc.creator | Silva, Rafael Glauber Nascimento e | - |
dc.date.accessioned | 2016-05-25T15:22:41Z | - |
dc.date.available | 2016-05-25T15:22:41Z | - |
dc.date.issued | 2016-05-25 | - |
dc.date.submitted | 2014-10-17 | - |
dc.identifier.uri | http://repositorio.ufba.br/ri/handle/ri/19281 | - |
dc.description.abstract | Sistemas de Recomendação sugerem itens de interesse explorando as preferências dos usuários ajudando-os contra o problema da sobrecarga de informações. Primeiramente estes sistemas eram construídos, exclusivamente, através de técnicas com origem nas áreas de Recuperação de Informação e Aprendizado de Máquina. Porém, desde o início da década de 90 a abordagem conhecida como Filtragem Colaborativa, que não explora qualquer tipo de conteúdo disponível dos itens para realizar sua tarefa, passou a ser a mais utilizada como solução para estes sistemas. Pesquisas como as de Shardanand & Maes (1995); Das et al. (2007); Konstan & Riedl (2012) justificam essa preferência por conta de deficiências preexistentes nos algoritmos de filtragem por conteúdo dos itens. Entretanto, nestas pesquisas não são evidenciadas essas deficiências ou mesmo as diferenças e semelhanças das recomendações geradas pelos algoritmos dessas duas abordagens levando esta discussão ao senso comum. Neste trabalho é proposta uma metodologia para comparação de algoritmos de recomendação que vai além da precisão das previsões. Para demonstrar essa metodologia a aplicamos na comparação das abordagens de Filtragem Baseada em Conteúdo Textual e a Filtragem Colaborativa. Nossos resultados demonstram que algoritmos dessas duas abordagens não só diferem em diversas dimensões em um teste de sistema, como também apresentam características que sugerem grande complementariedade. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Sistema de Recomendação | pt_BR |
dc.subject | Conteúdo Textual | pt_BR |
dc.subject | Filtragem Colaborativa | pt_BR |
dc.subject | Avaliação | pt_BR |
dc.title | Sistema de Recomendação baseado em conteúdo textual: avaliação e comparação | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.referees | Rocha Júnior, João | - |
dc.contributor.referees | Silva, Leandro Nunes de Castro | - |
dc.publisher.departament | Instituto de Matemática. Departamento de ciência da Computação | pt_BR |
dc.publisher.program | Mestrado Multiinstitucional em Ciência da Computação | pt_BR |
dc.publisher.initials | UFBA | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.subject.cnpq | Ciência da Computação | pt_BR |
Aparece nas coleções: | Dissertação (PGCOMP) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
dissertacao_mestrado_ciencia_computacao_rafael_glauber.pdf | 2,64 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.