Please use this identifier to cite or link to this item: http://riu.ufam.edu.br/handle/prefix/3114
metadata.dc.type: Relatório de Pesquisa
Title: Filtragem Colaborativa baseada em Usuário com Informação Explícita de Reputação
metadata.dc.creator: Álvaro Reis Neto
metadata.dc.contributor.advisor1: Marco Antonio Pinheiro de Cristo
metadata.dc.description.resumo: 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.
Abstract: 
Keywords: Recomendação, Reputação Explícita
metadata.dc.subject.cnpq: Ciências Exatas e da Terra: Ciencia da Computacao
metadata.dc.language: pt_BR
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal do Amazonas
metadata.dc.publisher.initials: UFAM
metadata.dc.publisher.department: Ciências da Computacao
Instituto de Ciências Exatas
metadata.dc.publisher.program: PROGRAMA PIBIC 2012
metadata.dc.rights: Acesso Restrito
URI: http://riu.ufam.edu.br/handle/prefix/3114
Issue Date: 31-Jul-2013
Appears in Collections:Relatórios finais de Iniciação Científica

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.