• 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
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.55.2020.tde-01122020-130836
Documento
Autor
Nome completo
Rafael Martins D'Addio
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2020
Orientador
Banca examinadora
Manzato, Marcelo Garcia (Presidente)
Carvalho, André Carlos Ponce de Leon Ferreira de
Durão, Frederico Araújo
Pereira, Adriano César Machado
Título em inglês
Content recommendation based on semantic descriptions extracted from user annotations
Palavras-chave em inglês
Information retrieval
Item representations
Recommender systems
User annotations
Resumo em inglês
Recommender systems emerged as means of reducing the information overload problem. They require data to correctly function, i.e., users need to provide interactions so their profiles can be constructed, while items need descriptive data to be differentiated, especially in content-based approaches. Those approaches often rely on external sources, which can be structured metadata or unstructured texts such as synopses, news or user reviews. User reviews have increasingly been used as source of information due to their capability of conveying item characteristics as well as the authors opinion towards them. This doctorate research focuses on designing rich, semantic item representations from user reviews in order to increase recommendation accuracy. Beyond that, we aim to analyze their application in several domains, algorithms and recommendation tasks, verifying their quality and differences. We have proposed five conceptbased item representations, which are designed in the vector space model. They all share, in some level, the same feature set, varying in the semantics which their weighting scheme convey. We explore them in a plethora of approaches, algorithms and evaluation settings, from offline experiments to an online user trial. Results reveal the necessity of designing good, semantic item representations, which aid the recommender in correctly differentiating the items in the collection and ultimately producing more relevant suggestions to its users.
Título em português
Recomendação de conteúdo baseada em descrições semânticas extraídas de anotações de usuários
Palavras-chave em português
Anotações de usuário
Recuperação da informação
Representações de itens
Sistema de recomendação
Resumo em português
Sistemas de recomendação surgiram como forma de reduzir o problema de sobrecarga de informações. Eles necessitam de dados para funcionar corretamente, ou seja, seus usuários precisam fornecer interações para que seus perfis possam ser construídos, enquanto itens precisam de descrições para serem diferenciados, especialmente em abordagens baseadas em conteúdo. Essas abordagens geralmente dependem de fontes externas, que podem ser metadados estruturados ou textos não estruturados, como sinopses, notícias ou resenhas de usuários. As resenhas de usuários têm sido cada vez mais usadas como fonte de informações devido à sua capacidade de transmitir características do item, bem como a opinião do autor em relação a elas. Esta pesquisa de doutorado se concentra no design de representações ricas e semânticas de itens a partir de resenhas de usuários, a fim de aumentar a precisão das recomendações. Além disso, objetiva-se analisar sua aplicação em vários domínios, algoritmos e tarefas de recomendação, verificando sua qualidade e diferenças. Propõem-se cinco representações de itens baseadas em conceitos, que são projetadas no modelo de espaço vetorial. Todas elas compartilham, em algum nível, o mesmo conjunto de características, variando na semântica que seu esquema de ponderação transmite. Elas foram exploradas numa variedade de abordagens, algoritmos e configurações de avaliação, desde experimentos offline até uma avaliação online com usuários reais. Os resultados revelam a necessidade de projetar boas representações semânticas de itens, que ajudam o recomendador a diferenciar corretamente os itens da coleção e, finalmente, produzir sugestões mais relevantes para seus usuários.
 
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
2020-12-01
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2023. Todos os direitos reservados.