Utilizando Tropes em modelos de recomendação híbridos

• Ano de defesa: 2016
• Autor(a) principal: Batista, Arthur Félix
• Outros Autores: http://lattes.cnpq.br/3550929848267622
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Computação; Brasil; UFAM; Programa de Pós-graduação em Informática
• Palavras-chave em Português: Sistemas de Recomendação; Tropes; Modelos Híbridos; Slope One; CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
• Link de acesso: http://tede.ufam.edu.br/handle/tede/5617

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.