Dissertação

Sistema de recomendação EVALUATED

Com o crescimento acentuado do número de utilizadores e produtos na internet, tornou-se útil a criação de sistemas de recomendação que permitem aos utilizadores o acesso facilitado a produtos do seu interesse. Nesta dissertação, foi feita uma breve análise dos principais sistemas de recomendação, com destaque para os sistemas de filtragem colaborativa. Dentro destes, realizou-se um estudo comparativo entre algoritmos baseados em memória e em modelo, cuja implementação foi produzida em linguagem Python, utilizando o conjunto de dados do MovieLens e da Netflix. Os resultados obtidos foram comparados entre si e com os apresentados nos artigos [20] e [24], através da aplicação de duas métricas de avaliação (raiz quadrada do erro quadrático médio e erro médio absoluto). Verificou-se a importância da escolha do número de vizinhos próximos nos algoritmos baseados em memória e, comparando os resultados obtidos por cada um dos algoritmos utilizados, verifica-se que o algoritmo baseado em modelo calcula predições com maior qualidade. Futuramente seria importante diminuir o tempo de treino do algoritmo baseado em modelo e aumentar o número de recomendações calculadas por segundo, além de testar e comparar outros algoritmos baseados em modelo, nomeadamente os algoritmos probabilísticos.
Sistemas de recomendação, Filtragem Colaborativa, Esparsidade, Escalabilidade, k-vizinhos mais próximos, Decomposição em Valores Singulares.

dezembro 1, 2014, 15:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Mário Alexandre Teles de Figueiredo

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Catedrático

CO-ORIENTADOR

Miguel Sousa Borges Almeida

Priberan - Informática S.A.