• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.3.2013.tde-26072013-121007
Documento
Autor
Nome completo
Celso Vital Crivelaro
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2013
Orientador
Banca examinadora
Rocha, Ricardo Luis de Azevedo da (Presidente)
Gomi, Edson Satoshi
Silva, Flávio Soares Corrêa da
Título em português
Multicontextualização para aprimoramento de personalização em sistemas de recomendação contextuais.
Palavras-chave em português
Cluster
Georrefenciamento
Sistemas de Recomendação
Resumo em português
Sistemas de Recomendação ajudam na personalização de sites na Internet oferecendo conteúdo ou produtos específicos aos usuários. Com dispositivos móveis, aumentou o interesse do usuário em ter recomendações personalizadas de locais para ir de acordo com o seu histórico de navegação e avaliações como restaurantes e pontos turísticos. Para que as recomendações personalizadas por locais sejam mais precisas é necessário contextualizá-las de acordo com o interesse do usuário que caracterizado por locais que ele visitou e por regiões de interesse como moradia, onde trabalha ou mesmo onde passará férias. Várias técnicas de contextualização utilizaram todos os locais que o usuário visitou para geração da recomendação contextual do local, outras técnicas trabalham na arquitetura híbrida. Muitas assumem que é necessário a posição exata do usuário para que as recomendações sejam online, o que muitas vezes não é possível por limitações técnicas ou mesmo indisponibilização do usuário por questões de privacidade. O objetivo principal deste trabalho é geração de recomendações usando multicontextos de forma offline, gerando vários contextos de cada usuário. Os locais são recomendados utilizando apenas dados históricos, sem a localização exata no usuário do momento da recomendação. Para atingir este objetivo foram utilizadas técnicas de clustering para mapeamento e divisão dos contextos em regiões indicando o interesse do usuário gerando a recomendação final dos locais a partir de um método híbrido de recomendação que usa filtragem colaborativa e a recomendação contextual proposta. Os resultados mostraram que a técnica proposta apresenta recomendações melhores do que apenas a recomendação colaborativa pura e, para usuários assíduos, as recomendações são melhores do que as técnicas base usadas para comparação.
Título em inglês
Multicontextualization for personalization improvement in contextual recommender systems.
Palavras-chave em inglês
Cluster
Georeference
Recommender Systems
Resumo em inglês
Recommender Systems help in web sites personalization, offering specific content or products to users. With mobile devices, user interest in Point-of-Interest (POI) recommendation has increased to receive recommendations about places to go according to your navigation and evaluation history in the web site. POI recommendation are improved by contextualizing according to users interest, based on places to where user has been and on regions of interest such as the region where the user lives, works or the region intends go on vacation. Many contextualization techniques use all places that user visited for generation of POI contextual recommendation. Other techniques use hybrid architectures and many of them assume that is necessary the exact point where the user is for online recommendation and this in not possible always due technical limitations or user privacy. The main objective of this work is the offline generation of recommendations using multicontexts. Places to be recommended use only user historical data, without the user current localization at the moment of recommendation. Several techniques have been used for clustering for mapping and division of contexts in regions, indicating the user interests and, finally, generating the final recommendation using a hybrid method with collaborative filtering and contextual recommendation proposed. The results indicate that the proposed technique builds better recommendations than the pure collaborative filtering technique and for heavy users the proposed technique has better results the baseline technique used for comparison.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2013-07-29
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2020. Todos os direitos reservados.