Recomendação de música: comparação entre collaborative filtering e context filtering

Detalhes bibliográficos
Autor(a) principal: Canhoto, Vicente
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10071/8062
Resumo: A massificação de serviços de música online democratizou o acesso a milhões de músicas. No entanto, é impossível para os utilizadores ouvirem e conhecerem todas essas músicas. De modo a auxiliar na sugestão sobre o que ouvir num dado momento, foram desenvolvidos sistemas que recomendam músicas ao utilizador. A técnica de Collaborative Filtering gera recomendações com base nas músicas ouvidas por utilizadores com gostos semelhantes. Apesar de apresentar um bom desempenho, vários investigadores propuseram melhoramentos aos mesmos. Um dos mais referidos é a utilização de informação contextual sobre o utilizador. A relação entre a utilização desta informação em sistemas de recomendação e o aumento da satisfação dos utilizadores foi provada por diversos investigadores. O trabalho desenvolvido nesta dissertação focou-se na comparação entre um algoritmo de recomendação por Collaborative Filtering tradicional e outro baseado em determinados elementos do contexto. Para isso foi proposto e implementado um sistema de recomendação online que integra estas duas abordagens, apoiado numa revisão da literatura. Por fim, este sistema foi utilizado numa experiência de campo online em que qualquer utilizador pôde fazer pedidos de recomendação. Estes pedidos foram servidos alternadamente por cada um dos algoritmos de recomendação, e foram registadas as avaliações dos utilizadores às músicas recomendadas de modo a aferir a sua satisfação com ambas as abordagens. Os resultados obtidos demonstram que a recomendação baseada no contexto foi superior ao Collaborative Filtering, exceção apenas para a fase inicial do funcionamento do sistema em que existiam poucos dados acerca das interações dos utilizadores com as músicas disponibilizadas
id RCAP_f9b5104c098f3b2164af359ed65f162c
oai_identifier_str oai:repositorio.iscte-iul.pt:10071/8062
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Recomendação de música: comparação entre collaborative filtering e context filteringSistema de recomendaçãoRecomendação de músicaCollaborative filteringRecomendação baseada no contextoContext pre-filteringComparação de sistemas de recomendaçãoRecommendation systemMusic recommendationContext-based recommendation,Recommendation systems comparisonA massificação de serviços de música online democratizou o acesso a milhões de músicas. No entanto, é impossível para os utilizadores ouvirem e conhecerem todas essas músicas. De modo a auxiliar na sugestão sobre o que ouvir num dado momento, foram desenvolvidos sistemas que recomendam músicas ao utilizador. A técnica de Collaborative Filtering gera recomendações com base nas músicas ouvidas por utilizadores com gostos semelhantes. Apesar de apresentar um bom desempenho, vários investigadores propuseram melhoramentos aos mesmos. Um dos mais referidos é a utilização de informação contextual sobre o utilizador. A relação entre a utilização desta informação em sistemas de recomendação e o aumento da satisfação dos utilizadores foi provada por diversos investigadores. O trabalho desenvolvido nesta dissertação focou-se na comparação entre um algoritmo de recomendação por Collaborative Filtering tradicional e outro baseado em determinados elementos do contexto. Para isso foi proposto e implementado um sistema de recomendação online que integra estas duas abordagens, apoiado numa revisão da literatura. Por fim, este sistema foi utilizado numa experiência de campo online em que qualquer utilizador pôde fazer pedidos de recomendação. Estes pedidos foram servidos alternadamente por cada um dos algoritmos de recomendação, e foram registadas as avaliações dos utilizadores às músicas recomendadas de modo a aferir a sua satisfação com ambas as abordagens. Os resultados obtidos demonstram que a recomendação baseada no contexto foi superior ao Collaborative Filtering, exceção apenas para a fase inicial do funcionamento do sistema em que existiam poucos dados acerca das interações dos utilizadores com as músicas disponibilizadasThe massification of online music services democratized the access to millions of songs. Nevertheless, it is impossible for the users to enjoy and know all those songs. In order to assist in the suggestion about what to listen in a given moment, there have been developed systems which recommend music to the user. The well-known Collaborative Filtering technique generates recommendations based on the interests of users with similar tastes. Despite presenting a good performance, several investigators proposed improvements to it. One of the most mentioned is the use of contextual information about the user. The relationship between the use of this information in recommendation systems and increased user satisfaction has been proven by several investigators. The work developed in this thesis was focused on the comparison between a Collaborative Filtering recommendation algorithm and a Context-based one. In order to achieve that, an online recommendation system that integrates these two approaches was proposed and implemented, supported by a literature review. Finally, this system was used in an online study in which any user could make music recommendation requests. These requests were served alternately by each one of the implemented algorithms and the user’s ratings to the recommendations were recorded in order to assess their satisfaction with both approaches. The results showed that the Context-based recommendation approach was superior to the Collaborative Filtering algorithm, except only for the initial phase of the system operation where there was little music ratings data.2014-12-10T18:44:20Z2013-01-01T00:00:00Z20132013-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/octet-streamhttp://hdl.handle.net/10071/8062TID:201047888porCanhoto, Vicenteinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-09T17:50:59Zoai:repositorio.iscte-iul.pt:10071/8062Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:25:14.147952Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Recomendação de música: comparação entre collaborative filtering e context filtering
title Recomendação de música: comparação entre collaborative filtering e context filtering
spellingShingle Recomendação de música: comparação entre collaborative filtering e context filtering
Canhoto, Vicente
Sistema de recomendação
Recomendação de música
Collaborative filtering
Recomendação baseada no contexto
Context pre-filtering
Comparação de sistemas de recomendação
Recommendation system
Music recommendation
Context-based recommendation,
Recommendation systems comparison
title_short Recomendação de música: comparação entre collaborative filtering e context filtering
title_full Recomendação de música: comparação entre collaborative filtering e context filtering
title_fullStr Recomendação de música: comparação entre collaborative filtering e context filtering
title_full_unstemmed Recomendação de música: comparação entre collaborative filtering e context filtering
title_sort Recomendação de música: comparação entre collaborative filtering e context filtering
author Canhoto, Vicente
author_facet Canhoto, Vicente
author_role author
dc.contributor.author.fl_str_mv Canhoto, Vicente
dc.subject.por.fl_str_mv Sistema de recomendação
Recomendação de música
Collaborative filtering
Recomendação baseada no contexto
Context pre-filtering
Comparação de sistemas de recomendação
Recommendation system
Music recommendation
Context-based recommendation,
Recommendation systems comparison
topic Sistema de recomendação
Recomendação de música
Collaborative filtering
Recomendação baseada no contexto
Context pre-filtering
Comparação de sistemas de recomendação
Recommendation system
Music recommendation
Context-based recommendation,
Recommendation systems comparison
description A massificação de serviços de música online democratizou o acesso a milhões de músicas. No entanto, é impossível para os utilizadores ouvirem e conhecerem todas essas músicas. De modo a auxiliar na sugestão sobre o que ouvir num dado momento, foram desenvolvidos sistemas que recomendam músicas ao utilizador. A técnica de Collaborative Filtering gera recomendações com base nas músicas ouvidas por utilizadores com gostos semelhantes. Apesar de apresentar um bom desempenho, vários investigadores propuseram melhoramentos aos mesmos. Um dos mais referidos é a utilização de informação contextual sobre o utilizador. A relação entre a utilização desta informação em sistemas de recomendação e o aumento da satisfação dos utilizadores foi provada por diversos investigadores. O trabalho desenvolvido nesta dissertação focou-se na comparação entre um algoritmo de recomendação por Collaborative Filtering tradicional e outro baseado em determinados elementos do contexto. Para isso foi proposto e implementado um sistema de recomendação online que integra estas duas abordagens, apoiado numa revisão da literatura. Por fim, este sistema foi utilizado numa experiência de campo online em que qualquer utilizador pôde fazer pedidos de recomendação. Estes pedidos foram servidos alternadamente por cada um dos algoritmos de recomendação, e foram registadas as avaliações dos utilizadores às músicas recomendadas de modo a aferir a sua satisfação com ambas as abordagens. Os resultados obtidos demonstram que a recomendação baseada no contexto foi superior ao Collaborative Filtering, exceção apenas para a fase inicial do funcionamento do sistema em que existiam poucos dados acerca das interações dos utilizadores com as músicas disponibilizadas
publishDate 2013
dc.date.none.fl_str_mv 2013-01-01T00:00:00Z
2013
2013-10
2014-12-10T18:44:20Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10071/8062
TID:201047888
url http://hdl.handle.net/10071/8062
identifier_str_mv TID:201047888
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/octet-stream
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134814815649792

Registros relacionados