Sistemas de recomendação não-personalizados para atrair usuários novos

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Nícollas de Campos Silva
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Minas Gerais
UFMG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/1843/ESBF-AYUN9M
Resumo: O sucesso de aplicações Web, como sistemas de e-commerce e ferramentas de entretenimento, dependem da capacidade de converter os usuários novos em usuários recorrentes. Para atenuar este problema, as estratégias estado-da-arte assumem que os itens populares podem ser relevantes para a primeira interação dos usuários novos. Por outro lado, assumimos que itens não populares também são úteis para usuários novos. Por este motivo, apresentamos duas novas abordagens para lidar com esse problema: Max-Coverage e Niche-Coverage. Para investigar as hipóteses associadas, realizamos testes experimentais offline, demonstrando que os métodos propostos complementam as estratégias não-personalizadas utilizadas na prática. De maneira complementar realizamos um estudo online com usuários reais, que apontou as estratégias propostas como forma de aprimorar as recomendações para o primeiro acesso dos usuários novos.