Relatório de Pesquisa

Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação

O grande volume de informação disponível para as pessoas dificulta a tarefa de seleção do que é interessante. Com isso, surge a necessidade de ferramentas que possam descobrir novas informações de interesse para um dado usuário. Sistemas de Recomendação (SR) lidam com essa situação, selecionando e a...

ver descrição completa

Autor principal: Álvaro Reis Neto
Grau: Relatório de Pesquisa
Idioma: pt_BR
Publicado em: Universidade Federal do Amazonas 2016
Assuntos:
Recomendação, Reputação Explícita
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Acesso em linha: http://riu.ufam.edu.br/handle/prefix/3114
id oai:localhost:prefix-3114
recordtype dspace
spelling oai:localhost:prefix-31142021-11-10T22:24:52Z Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação Álvaro Reis Neto Marco Antonio Pinheiro de Cristo Recomendação, Reputação Explícita CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO O grande volume de informação disponível para as pessoas dificulta a tarefa de seleção do que é interessante. Com isso, surge a necessidade de ferramentas que possam descobrir novas informações de interesse para um dado usuário. Sistemas de Recomendação (SR) lidam com essa situação, selecionando e apresentando ao usuário opções personalizadas que possam ser do seu interesse como, por exemplo, filmes que o usuário gostaria de ver, músicas que ele gostaria de ouvir ou livros que ele gostaria de ler. SRs podem ser divididos em dois grupos principais: os baseados em conteúdo e os de filtragem colaborativa (FC). Os métodos baseados em conteúdo recomendam itens que se assemelham ao perfil do usuário, ou seja, uma descrição de seus interesses. Enquanto esta abordagem é muito utilizada em aplicações como recomendação de notícias, ela é preterida na maioria dos domínios. Nestes domínios, a abordagem dominante é filtragem colaborativa, onde a recomendação é feita com base nas preferências de outros usuários. Nesta segunda abordagem, não é necessário descrever os interesses dos usuários diretamente, tornando-a independe de domínio. Além disso, ela é muito bem sucedida em sua capacidade de capturar gostos similares. A filtragem colaborativa pode ser baseada em usuários ou itens. Na abordagem baseada em usuários, o sistema recomenda itens de acordo com as preferências de usuários similares ao usuário alvo da recomendação. Esta estratégia é apropriada em casos onde, em geral, a quantidade de itens supera a de usuários. Ela também é interessante nos casos em que informação sobre a reputação dos usuários pode ser utilizada. O método tradicional considera que todos os usuários do sistema são igualmente confiáveis. Isto não se verifica sempre, na prática. Assim, estratégias considerando relações de confiança entre usuários (reputação) foram propostas para prover recomendações mais personalizadas e precisas. Eles partem da intuição de que usuários preferem recomendações de outros usuários nos quais eles confiam. Isto é obtido através de uma rede de confiança que expressa o quanto os membros de uma comunidade confiam uns nos outros. Entre as várias estratégias, está a filtragem colaborativa baseada em reputação, usando informação explícita de reputação (a qual chamamos FCU-RE neste texto, de agora em diante). Uma das ferramentas mais populares para a implementação de sistemas de recomendação, de alto desempenho, é o pacote Mahout/Hadoop/Taste, fornecido pelo Apache . Este consiste de um conjunto de bibliotecas que suportam a implementação de vários algoritmos de recomendação (Taste) e aprendizado de máquina (Mahout) em um ambiente distribuído (Hadoop). Embora muito conhecida, a estratégia FCU-RE não é suportada pela biblioteca Taste. Como esta ferramenta é amplamente usada em aplicações reais, devido à possibilidade de manipulação de dados em larga escala, é interessante que o cálculo e uso de reputação seja suportado pelo Taste. Voluntário 2016-09-23T15:25:25Z 2016-09-23T15:25:25Z 2013-07-31 Relatório de Pesquisa http://riu.ufam.edu.br/handle/prefix/3114 pt_BR Acesso Restrito PDF Universidade Federal do Amazonas Brasil Ciências da Computacao Instituto de Ciências Exatas PROGRAMA PIBIC 2012 UFAM
institution Repositório Institucional - Universidade Federal do Amazonas
collection RI-UFAM
language pt_BR
topic Recomendação, Reputação Explícita
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
spellingShingle Recomendação, Reputação Explícita
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
Álvaro Reis Neto
Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação
topic_facet Recomendação, Reputação Explícita
CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
description O grande volume de informação disponível para as pessoas dificulta a tarefa de seleção do que é interessante. Com isso, surge a necessidade de ferramentas que possam descobrir novas informações de interesse para um dado usuário. Sistemas de Recomendação (SR) lidam com essa situação, selecionando e apresentando ao usuário opções personalizadas que possam ser do seu interesse como, por exemplo, filmes que o usuário gostaria de ver, músicas que ele gostaria de ouvir ou livros que ele gostaria de ler. SRs podem ser divididos em dois grupos principais: os baseados em conteúdo e os de filtragem colaborativa (FC). Os métodos baseados em conteúdo recomendam itens que se assemelham ao perfil do usuário, ou seja, uma descrição de seus interesses. Enquanto esta abordagem é muito utilizada em aplicações como recomendação de notícias, ela é preterida na maioria dos domínios. Nestes domínios, a abordagem dominante é filtragem colaborativa, onde a recomendação é feita com base nas preferências de outros usuários. Nesta segunda abordagem, não é necessário descrever os interesses dos usuários diretamente, tornando-a independe de domínio. Além disso, ela é muito bem sucedida em sua capacidade de capturar gostos similares. A filtragem colaborativa pode ser baseada em usuários ou itens. Na abordagem baseada em usuários, o sistema recomenda itens de acordo com as preferências de usuários similares ao usuário alvo da recomendação. Esta estratégia é apropriada em casos onde, em geral, a quantidade de itens supera a de usuários. Ela também é interessante nos casos em que informação sobre a reputação dos usuários pode ser utilizada. O método tradicional considera que todos os usuários do sistema são igualmente confiáveis. Isto não se verifica sempre, na prática. Assim, estratégias considerando relações de confiança entre usuários (reputação) foram propostas para prover recomendações mais personalizadas e precisas. Eles partem da intuição de que usuários preferem recomendações de outros usuários nos quais eles confiam. Isto é obtido através de uma rede de confiança que expressa o quanto os membros de uma comunidade confiam uns nos outros. Entre as várias estratégias, está a filtragem colaborativa baseada em reputação, usando informação explícita de reputação (a qual chamamos FCU-RE neste texto, de agora em diante). Uma das ferramentas mais populares para a implementação de sistemas de recomendação, de alto desempenho, é o pacote Mahout/Hadoop/Taste, fornecido pelo Apache . Este consiste de um conjunto de bibliotecas que suportam a implementação de vários algoritmos de recomendação (Taste) e aprendizado de máquina (Mahout) em um ambiente distribuído (Hadoop). Embora muito conhecida, a estratégia FCU-RE não é suportada pela biblioteca Taste. Como esta ferramenta é amplamente usada em aplicações reais, devido à possibilidade de manipulação de dados em larga escala, é interessante que o cálculo e uso de reputação seja suportado pelo Taste.
author_additional Marco Antonio Pinheiro de Cristo
author_additionalStr Marco Antonio Pinheiro de Cristo
format Relatório de Pesquisa
author Álvaro Reis Neto
title Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação
title_short Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação
title_full Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação
title_fullStr Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação
title_full_unstemmed Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação
title_sort filtragem colaborativa baseada em usuário com informação explícita de reputação
publisher Universidade Federal do Amazonas
publishDate 2016
url http://riu.ufam.edu.br/handle/prefix/3114
_version_ 1787137114903674880
score 11.653393

Registros relacionados