Recomendação de artigos científicos: um foco na integração de perfis de usuários.

• Ano de defesa: 2013
• Autor(a) principal: MAGALHÃES, Jônathas José de.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO; UFCG
• Palavras-chave em Português: Sistemas de Recomendação; Modelagem de Usuário; Sistema de Recomendação de Artigos; Integração de Perfis de Usuário; Filtragem Baseada em Conteúdo; Plataforma Lattes; Mendeley; LinkedIn; Recommendation Systems; User Modeling; Article Recommendation System; Integration of User Profiles; Content-Based Filtering; Lattes Platform; Ciência da Computação
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/7083

Os Sistemas de Recomendação personalizada surgiram como uma possível solução para o problema da sobrecarga de informação. Entretanto, sua qualidade está relacionada ao perfil de usuário e gerar um perfil de qualidade não é uma tarefa trivial. Consequentemente, o usuário que não recebe boas recomendações poderá perder o interesse e confiança no sistema. A pesquisa ora apresentada trata deste problema propondo uma abordagempara Sistemas de Recomendação de artigos científicos com foco na integração de perfis de usuário. Os perfis foram construídos a partir de três fontes: CV Lattes, Mendeley e LinkedIn. A integração de perfis de usuário foi realizada por meio de combinação linear, propondo-se três estratégias: (i) importância igual (Igual); (ii) quantidade de itens (Quant); e (iii) atividade do usuário na fonte (Ativ). Para validar os modelos de perfis, foi realizado umexperimento emque os participantes analisaram a relevância de 50 artigos, sendo utilizada a métrica NDCG@5. Foram realizadas duas avaliações, a primeira apenas no Lattes, utilizando como fator a estratégia de construção de perfil, tendo sido avaliadas as seguintes estratégias: termos (LT); conceitos (LC) e estratégia deLopes. As estratégias propostas proporcionaram os melhores resultados, conforme o teste de Wilcox (α = 0,05): Hipótese Alternativa (HA) = LT > Lopes (p-valor = 0,01543) e HA = LC > Lopes (p-valor = 0,04292). Na segunda avaliação, com os perfis integrados, foram utilizados dois fatores: representação do perfil (termos e conceitos) e estratégia de integração (Igual; Quant; Ativ). Os perfis integrados não proporcionaram resultados melhores que os perfis não integrados, conforme o teste de Friedman (α = 0,05): HA = Existe diferença (p-valor = 0,9971). De posse dos resultados, pôde-se concluir que o modelo proporcionou resultados satisfatórios na plataforma Lattes, o que pode ser caracterizado como uma contribuição importante, dada a importância desta plataforma para os pesquisadores brasileiros. Em se tratando da integração de perfis, não foram alcançados os resultados esperados. Neste sentido, verifica-se que o modelo de integração precisa ser investigado com mais aprofundamento, seja realizando um experimento com mais fatores ou buscando uma amostra maior de usuários.