RecTwitter: um sistema de recomendação semântico para usuários do Twitter

Abstract

O Twitter é um dos serviços de microblog mais populares atualmente, permitindo aos usuários compartilharem imagens, links, textos, etc., bem como seguir ou deixar de seguir contas de sua preferência, essas gerenciadas também por outros usuários. Considerando que usuários possuem interesses distintos e o volume de tweets publicados tende a crescer ao se seguir mais contas, torna-se praticamente inviável monitorar quem publica ou não conteúdo relevante. Em vista disso, faz-se necessário a adoção de métodos inteligentes para identificar e filtrar contas que publiquem conteúdo similar aos interesses do usuário alvo. Esta dissertação de mestrado propõe um sistema de recomendação semântico baseado em regras denominado RECTWITTER, o qual analisa contas seguidas por um usuário, e recomenda quais devem ser descontinuadas e outras novas a serem seguidas. As regras funcionam como motores da recomendação, e levam em consideração diversos tipos de interação entre usuários no Twitter, as quais são modeladas através de uma ontologia de domínio. Para avaliar o modelo proposto, foram realizados experimentos com usuários reais e avaliações comparativas com trabalhos relacionados do estado da arte. Os resultados dos experimentos online apontam que 76% dos usuários avaliados aprovaram as recomendações obtidas. Em relação aos resultados obtidos nos experimentos offline, a precisão do modelo proposto supera em 30% importantes modelos do estado da arte.

Twitter is one of the most popular microblogging services nowadays, allowing users to share images, text, links, etc. As well as following or unfollowing any account according to their preferences, these accounts are managed by other users. Considering that users have distinct interests and the amount of tweets tend to increase as more accounts are followed, it becomes practically impossible to monitor who publish relevant content or not. Having said that, it opens up a perspective for the adoption of intelligent methods that lter out accounts that continuously publish relevant content to account's owner. This master dissertation proposes a semantic recommender system based on SWRL rules called RECTWITTER which analyzes followed accounts by the active user and recommends which ones should be unfollowed or new ones to be followed. These rules work as a recommendation engine and take into consideration many kinds of interactions among users on Twitter in which are modeled through one domain ontology. In order to evaluate the recommendations of this proposal, experiments with real users and comparing evaluations with related works of the state of the art were carried out. The results of the online experiments indicate that 76% of the evaluated users aproved the obtained recommendations. In relation to the obtained results in the o ine experiments the precision of the proposed model surpass in 30% important models of the state of the art.