Dissertação

{pt=Difusão Selectiva de Informação Multimédia} {} EVALUATED

{pt=Com a introdução de novas tecnologias na área da televisão digital, o número de canais disponíveis tem aumentado em Portugal (de dois para trezentos, em menos de duas décadas). Esta mudança resultou num acréscimo da dificuldade sentida pelo utilizador de encontrar conteúdo televisivo que lhe seja apelativo. Tornou-se importante o desenvolvimento de sistemas de recomendação para ajudar os utilizadores a seleccionar conteúdo de acordo com as suas preferências. Nesta dissertação é proposto um sistema de recomendação de notícias televisivas - o SSNT - News Recommender (NR) - que usa descrições de alto nível para efectuar sugestões de acordo com o perfil do utilizador. O NR usa filtragem baseada no conteúdo das notícias e leva em conta a privacidade dos utilizadores. Portanto, não são partilhadas informações acerca dos utilizadores visto que todo o sistema foi pensado para correr localmente. No NR os perfis de utilizador e as notícias têm representações análogas, o que permite que as comparações, quer entre notícias, quer entre notícias e perfis, sejam feitas transparentemente. No que diz respeito ao algoritmo de comparação, foi desenvolvida uma adaptação da similaridade de co-seno que permite avaliar a proximidade de dois itens levando em conta as suas categorias. Foram implementados e avaliados algoritmos de aprendizagem e recomendação. Relativamente à recomendação, o número de notícias que os utilizadores acham interessantes dentre um conjunto de notícias subiu de uma média de 5,8 para 10,967 em 12., en=Given the trend in the development of technologies related with the arrival of the digital television, the number of television channels available in Portugal has been rising (from two to three hundred). This resulted in increased difficulty to find appealing television content. Given so, the development of recommendation systems to help the users select relevant content, according to their preferences, became important. This dissertation proposes a recommendation system for television news - the SSNT - News Recommender (NR) - that uses high-level descriptions to produce suggestions according to a given user's profile. NR applies content based filtering in the domain of television news and takes users' privacy into account. Therefore, no information is shared about any user since the entire system has been designed to run locally. NR has similar internal representations for user profiles and high-level news information. This similarity allows comparisons between items to be seamless, whether the comparison is made between two news or between a story and a profile. Regarding the comparison algorithm, an adaptation was developed to the cosine similarity metric that enables assessing the proximity of two items taking into account their descriptors. Learning and recommendation algorithms have been implemented and evaluated. Using these algorithms, positive results were obtained during the evaluation. In particular, with regard to the recommendation, the number of stories that users thought to be interesting from a set of news rose from an average of 5.8 to 10.967 out of 12.}
{pt=Notícias transmitidas televisivamente, Recomendação de conteúdo noticioso, Similaridade entre notícias, Perfis de utilizador, Recuperação de Informação, SSNT, en=Television broadcasted news, News content recommendation, News similarity, User profiles, Information Retrieval, SSNT}

Novembro 4, 2010, 18:0

Orientação

CO-ORIENTADOR

Nuno João Neves Mamede

Departamento de Engenharia Informática (DEI)

Professor Associado

ORIENTADOR

João Paulo da Silva Neto

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar