Dissertação

{pt_PT=Motor de Recomendação de Eventos} {} EVALUATED

{pt=Actualmente, com o crescimento da quantidade de informação referente a eventos existentes na Internet, tornou-se cada vez mais difícil para os utilizadores encontrar aqueles que melhor encaixem nas suas preferências e gostos pessoais. Nesse sentido, os sistemas de recomendação vieram ajudar os utilizadores nessa tarefa, ao reduzir a sobrecarga de informação sobre estes através da recomendação de eventos que possam ser da sua preferência. Contudo, diferentemente do problema de recomendação clássico, que envolve itens como filmes ou livros, os eventos padecem do denominado new item cold-start problem. Uma vez que os eventos têm quase sempre lugar no futuro, existe uma ausência de feedback por parte dos utilizadores, bem como uma falta de registo de participação destes nos eventos. Nestas situações, é imperativo considerar não só informação acerca dos eventos e dos utilizadores, como também informação contextual. Tendo em conta o problema apresentado, foi implementado um motor de recomendação de eventos, o qual tem, por objetivo fundamental, prever os eventos em que os utilizadores possam eventualmente estar interessados, tendo como base eventos em que os mesmos participaram no passado, informação demográfica acerca dos utilizadores, e quais os eventos que os utilizadores viram e com os quais interagiram no passado, por exemplo através de cliques numa aplicação. Por forma a obter o melhor desempenho de recomendação possível, foram criadas várias features, sendo a recomendação de eventos feita com recurso a um classificador Random Forest. Testes efectuados permitiram atestar a boa eficácia e desempenho de recomendação da solução implementada., en=Nowadays, with the growing ammount of information related to existing events on the Internet, it has become increasingly difficult for users to find those that best fit their preferences and personal tastes. In this regard, recommender systems came to help users in this task by reducing the overload of information felt by the users, by recommending events that users may like. However, differently from the classical recommender problem, which envolves items such as movies or books, events suffer from the so called new item cold-start problem. Since events often take place in the future, there's an absence of feedback from the users, as well as a lack of records about the user's attendance in the events. In such situations, it's necessary to consider, not only information about the events and the users, but also contextual information. Having in mind the presented problem, it was implemented an event recommendation engine, which has, for primary objective, to predict the events in which the users may be, eventualy, interested. The recommendation is made by considering information regarding previously attended events by the users, demographic information about them, and what events they’ve seen and interacted with, e.g., through clicks in an application. In order to get the best possible recommendation performance, several features were created, being the event recommendation made with a Random Forest classifier. Several tests carried out have allowed to certify the good efficacy and performance of the recommender solution developed.}
{pt=Sistemas de Recomendação, Recomendação de Eventos, Contexto, Personalização., en=Recommender Systems, Event Recommender Systems, Context, Personalization.}

Novembro 2, 2016, 14:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Pável Pereira Calado

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Bruno Emanuel Da Graça Martins

Departamento de Engenharia Informática (DEI)

Professor Auxiliar