Recomendação de aplicativos móveis com base em informações demográficas e de dispositivos

• Ano de defesa: 2021
• Autor(a) principal: Souza, Raissa Polyanna Papini de Melo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; Ciência da Computação
• Palavras-chave em Português: Aplicativos móveis; Demografia - Processamento de dados; Ciência da Computação
• Link de acesso: https://locus.ufv.br//handle/123456789/29683

Nos últimos anos tem-se percebido um grande aumento no número de pessoas com acesso a dispositivo móveis. Com isso, o número de aplicativos para esses dispositivos tem crescido de tal forma que usuários precisam escolher entre aqueles que melhor os atendem. Porém, essa escolha não é uma tarefa trivial, visto o número cada vez maior de aplicativos se propondo a realizar a mesma função. Da mesma forma, as empresas por trás de tais aplicativos encontram dificuldades em atrair usuários atra- vés de campanhas comuns de marketing. Uma possível solução para este problema é a utilização de sistemas de recomendação, onde é possível avaliar a similaridade en- tre perfis de usuários. Entretanto, muitas vezes tais sistemas levam em consideração perfis de usuários que são construídos apenas com seus interesses, ou necessitam da utilização de dados sensíveis (e.g., logs de chamadas e de mensagens de texto). Apesar disso, a instalação de um aplicativo pode envolver outros fatores além do interesse intrínseco de cada usuário, como por exemplo a capacidade técnica do dispositivo móvel utilizado (e.g., memória, processamento), e as informações demográficas de sua área de residência. Assim, o trabalho desenvolvido nesta pesquisa investigou a motivação para instalação, e o impacto do uso de informações demográficas e de dispositivos na recomendação de aplicativos móveis. Para isso, foi criado um perfil de usuário que utiliza somente dados facilmente obtidos (i.e., aplicativos instalados, localização aproximada e o modelo do dispositivo móvel) para ser enriquecido com outras informações de contexto do usuário. Além disso, o uso de tal perfil de usuário foi avaliado com base em três abordagens de recomendação: Latent Dirichlet Allocation (LDA), Cadeias de Markov (MTM) e Filtro Colaborativo. Os resultados gerais mos- traram uma maior eficácia com o uso da abordagem LDA, utilizando informação da renda média da região do usuário, atingindo aproximadamente 64% de melhora em precisão e 27.91% em revocação. Palavras-chave: Recomendação de Aplicativos. Dados Demográficos. Enriquecimento de Dados.