Buscar

 

RI UFLA (Universidade Federal de Lavras) >
DCC - Departamento de Ciência da Computação >
DCC - Graduação >
DCC - Bacharelado em Ciência da Computação (Monografias) >

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/5316

Title: Análise e seleção de algoritmos de filtragem de informação para solução do problema cold-start item
???metadata.dc.creator???: Lázaro, Alexsandra da Silva
???metadata.dc.contributor.advisor1???: Greghi, Juliana Galvani
???metadata.dc.contributor.advisor-co???: Marchi, Jerusa
???metadata.dc.contributor.referee1???: Esmin, Ahmed Ali Abdalla
Castro, Cristiano Leite de
Keywords: Sistemas de Recomendação
Filtragem de Informação
Filtragem Baseada em Conteúdo
Filtragem Colaborativa
Filtragem Híbrida e problema Cold-Start Item
???metadata.dc.date.submitted???: 2010
Issue Date: 15-Apr-2015
Citation: LÁZARO, A. S. Análise e seleção de algoritmos de filtragem de informação para solução do problema cold-start item. 2010. 65 p. Monografia (Graduação em Sistemas de Informação) - Universidade Federal de Lavras, Lavras, 2010.
???metadata.dc.description.resumo???: Atualmente torna-se difícil para as pessoas gerenciar o crescente volume de informação disponível na Internet. Exemplo disso ocorre quando um consumidor precisa escolher dentre uma grande quantidade de produtos disponíveis em websites de comércio eletrônico. Para ofertar seus produtos e ajudar consumidores na escolha do que lhes seja mais relevante, empresas de comércio eletrônico utilizam os sistemas de recomendação. Tais sistemas, em geral, fazem uso de técnicas de filtragem de informação para gerar recomendações relevantes. Porém, quando não existem ou são escassos os dados (avaliações, compras, buscas, etc.) sobre os itens, os algoritmos de filtragem não apresentam bons resultados. Este problema é denominado Cold-Start Item. Este trabalho realiza um estudo detalhado dos algoritmos de filtragem de informação mais relevantes da última década que possam solucionar o problema Cold-Start Item e apresenta uma análise destes algoritmos visando identificar os mais promissores. Este trabalho vem sendo desenvolvido em parceria com a empresa Chaordic Systems de Florianópolis e os resultados aqui apresentados serão utilizados no desenvolvimento de algoritmos para um sistema de recomendação desenvolvido pela empresa.
Abstract: It is currently difficult for people to manage the growing volume of information available on the Internet. One example occurs when a consumer must choose among a lot of products available in e-commerce website. To offer their products and help consumers to choose the most relevant to them e-commerce companies use recommender systems. Such systems generally make use of techniques of information filtering to generate relevant recommendations. But when there are none or few data (ratings, purchases, searches, etc.) about items, the filtering algorithms do not provide good results. This problem is called Cold- Start Item. This work makes a detailed study of the most relevant information filtering algorithms of the last decade that can solve the Cold-Start Item problem and presents a analysis of these algorithms in order to identify the most promising one. This work is being developed in partnership with the company Chaordic Systems of Florianópolis and the results presented here will be used to develop algorithms for an recommender system developed by the company.
URI: http://repositorio.ufla.br/jspui/handle/1/5316
???metadata.dc.language???: pt_BR
Appears in Collections:DCC - Bacharelado em Ciência da Computação (Monografias)

Files in This Item:

File Description SizeFormat
MONOGRAFIA_Analise_e_selecao_de_algoritmos_de_filtragem_de_informacao_para_solucao_do_problema_cold-start_item.pdf556.42 kBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.


View Statistics

 


DSpace Software Copyright © 2002-2010  Duraspace - Feedback