Sistemas de recomendação não-personalizados para atrair usuários novos
Ano de defesa: | 2018 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
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. |