Regularização social em sistemas de recomendação com filtragem colaborativa

• Ano de defesa: 2019
• Autor(a) principal: Zabanova, Tatyana
• Orientador(a): Stern, Rafael Bassi
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de São Carlos; Câmpus São Carlos
• Programa de Pós-Graduação: Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs
• Palavras-chave em Português: Sistema de recomendação; Filtragem colaborativa; Fatoração de matrizes; Regularização social; Filtragem colaborativa neural
• Palavras-chave em Inglês: Recommender system; Collaborative filtering; Matrix factorization; Social regu-larization; Neural collaborative filtering
• Área do conhecimento CNPq: CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS
• Link de acesso: https://repositorio.ufscar.br/handle/20.500.14289/14168

Models based on matrix factorization are among the most successful implementations of Recommender Systems. In this project, we study the possibilities of incorporating the information from social networks to improve the quality of predictions of the model both in traditional Collaborative Filtering and in Neural Collaborative Filtering. Based on four examples, we registered that incorporating information from the social network in fact leads to better estimates of the evaluations of itens by users.