Utilizando Tropes em modelos de recomendação híbridos
Sistemas de Recomendação (SR) têm sido amplamente estudados nas últimas décadas. O crescimento da Internet e a consolidação da Web 2.0 contribuíram para o surgimento de diversos serviços, como redes sociais, blogs, plataformas colaborativas, entre outros, resultando no aumento significativo do vo...
| Autor principal: | Batista, Arthur Félix |
|---|---|
| Outros Autores: | http://lattes.cnpq.br/3550929848267622 |
| Grau: | Dissertação |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Amazonas
2017
|
| Assuntos: | |
| Acesso em linha: |
http://tede.ufam.edu.br/handle/tede/5617 |
| id |
oai:https:--tede.ufam.edu.br-handle-:tede-5617 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--tede.ufam.edu.br-handle-:tede-56172018-04-30T18:51:55Z Utilizando Tropes em modelos de recomendação híbridos Batista, Arthur Félix Cristo, Marco Antônio Pinheiro de http://lattes.cnpq.br/3550929848267622 http://lattes.cnpq.br/6261175351521953 Santos , Eulanda Miranda dos Rosa, Thierson Couto Sistemas de Recomendação Tropes Modelos Híbridos Slope One CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO Sistemas de Recomendação (SR) têm sido amplamente estudados nas últimas décadas. O crescimento da Internet e a consolidação da Web 2.0 contribuíram para o surgimento de diversos serviços, como redes sociais, blogs, plataformas colaborativas, entre outros, resultando no aumento significativo do volume de informação. Este cenário fomentou o desenvolvimento de pesquisas com o intuito de utilizar tal informação para mitigar algumas limitações dos SRs e melhorar sua qualidade. A recomendação de filmes tornou-se um dos tópicos mais abordados na literatura no domínio de SRs junto com comércio eletrônico. Essa popularidade foi alavancada pela indústria com o crescimento dos serviços de streaming (Amazon, Netflix, iTunes, Google Play). Neste contexto, diferentes fontes de informação, tipicamente disponibilizadas por usuários em sítios da Web, vêm sendo exploradas para extração de características dos filmes. As fontes mais comuns proveem informações como gênero, direção, elenco, etc. Outras abordagens tentam extrair informações a respeito do conteúdo dos filmes, como estrutura da história, elementos da narrativa, personagens, de modo que se possa caracterizar a história em si. Tal conteúdo pode ser representado através de Tropes. Tropes são elementos que compõem uma história fictícia que pode ser contada através de filmes, livros, quadrinhos entre outros tipos de mídia. Neste trabalho, apresentamos um estudo sistemático sobre Tropes, investigando sua relevância para o contexto de uma história e como podem ser incorporados em Sistemas de Recomendação de Filmes. Os experimentos executados neste pesquisa sugerem que modelos híbridos baseados na combinação de tropes com os gêneros dos filmes, podem melhorar a precisão das previsões em quase 3% em comparação com o métodos tradicionais. Recommendation systems (SR) have been widely studied in recent decades. The growth of the Internet and the consolidation of Web 2.0 have contributed to the emergence of various services such as social networks, blogs, collaborative platforms, among others, resulting in increased volume of information. This scenario has fostered the development of new research on how to use such information to mitigate limitations of SRs and improve their quality. The recommendation of movies became one of the most discussed topics in the literature about SRs. The industry also contributed to its popularity with the growth of streaming services such as Amazon, Netflix, iTunes, and Google Play. In such scenario, different sources of information in Web have been exploited to extract features to describe movies. The most common approaches use features such as genre information, movie direction, cast, etc. Other approaches attempt to characterize the story itself by means of information about the content of movies, its story structure, elements of narrative and characters. Such content can be represented by Tropes. Tropes are the elements that make up a fictional story found in movies, books, comics and other contents. In this work, we present a systematic study of Tropes, investigating its relevance to the context of a story and how they can be incorporated in Movie Recommender Systems. The experiments performed in this research suggest that hybrid models based on the combination of tropes with the films genres can improve the precision of the predictions about 3% in comparison to traditional methods. 2017-03-17T14:22:49Z 2016-12-16 Dissertação BATISTA, Arthur Félix. Utilizando Tropes em modelos de recomendação híbridos. 2016. 56 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2016. http://tede.ufam.edu.br/handle/tede/5617 por Acesso Aberto http://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática |
| institution |
TEDE - Universidade Federal do Amazonas |
| collection |
TEDE-UFAM |
| language |
por |
| topic |
Sistemas de Recomendação Tropes Modelos Híbridos Slope One CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO |
| spellingShingle |
Sistemas de Recomendação Tropes Modelos Híbridos Slope One CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO Batista, Arthur Félix Utilizando Tropes em modelos de recomendação híbridos |
| topic_facet |
Sistemas de Recomendação Tropes Modelos Híbridos Slope One CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO |
| description |
Sistemas de Recomendação (SR) têm sido amplamente estudados nas últimas décadas.
O crescimento da Internet e a consolidação da Web 2.0 contribuíram para o surgimento
de diversos serviços, como redes sociais, blogs, plataformas colaborativas, entre outros,
resultando no aumento significativo do volume de informação. Este cenário fomentou o
desenvolvimento de pesquisas com o intuito de utilizar tal informação para mitigar algumas
limitações dos SRs e melhorar sua qualidade. A recomendação de filmes tornou-se um dos
tópicos mais abordados na literatura no domínio de SRs junto com comércio eletrônico.
Essa popularidade foi alavancada pela indústria com o crescimento dos serviços de streaming
(Amazon, Netflix, iTunes, Google Play). Neste contexto, diferentes fontes de informação,
tipicamente disponibilizadas por usuários em sítios da Web, vêm sendo exploradas para
extração de características dos filmes. As fontes mais comuns proveem informações como
gênero, direção, elenco, etc. Outras abordagens tentam extrair informações a respeito
do conteúdo dos filmes, como estrutura da história, elementos da narrativa, personagens,
de modo que se possa caracterizar a história em si. Tal conteúdo pode ser representado
através de Tropes. Tropes são elementos que compõem uma história fictícia que pode ser
contada através de filmes, livros, quadrinhos entre outros tipos de mídia. Neste trabalho,
apresentamos um estudo sistemático sobre Tropes, investigando sua relevância para o
contexto de uma história e como podem ser incorporados em Sistemas de Recomendação
de Filmes. Os experimentos executados neste pesquisa sugerem que modelos híbridos
baseados na combinação de tropes com os gêneros dos filmes, podem melhorar a precisão
das previsões em quase 3% em comparação com o métodos tradicionais. |
| author_additional |
Cristo, Marco Antônio Pinheiro de |
| author_additionalStr |
Cristo, Marco Antônio Pinheiro de |
| format |
Dissertação |
| author |
Batista, Arthur Félix |
| author2 |
http://lattes.cnpq.br/3550929848267622 |
| author2Str |
http://lattes.cnpq.br/3550929848267622 |
| title |
Utilizando Tropes em modelos de recomendação híbridos |
| title_short |
Utilizando Tropes em modelos de recomendação híbridos |
| title_full |
Utilizando Tropes em modelos de recomendação híbridos |
| title_fullStr |
Utilizando Tropes em modelos de recomendação híbridos |
| title_full_unstemmed |
Utilizando Tropes em modelos de recomendação híbridos |
| title_sort |
utilizando tropes em modelos de recomendação híbridos |
| publisher |
Universidade Federal do Amazonas |
| publishDate |
2017 |
| url |
http://tede.ufam.edu.br/handle/tede/5617 |
| _version_ |
1831969490512904192 |
| score |
11.753735 |