Recomendação de filmes utilizando filtragem colaborativa
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/14682 |
Resumo: | O número de páginas da Web destinadas à oferta de produtos a consumidores vem aumentando a cada dia mais com a expansão da Internet. Estas ofertas podem ser tanto de produtos materiais, como venda de objetos, roupas, eletrodomésticos, etc, como também de produtos conceituais, como oferta de artigos, filmes, músicas. Com esse aumento, a quantidade de informação sobre as preferências dos usuários também aumentou muito. Para que os sites consigam otimizar o número de procura de produtos, e consequentemente aumentar o número de usuários que os adquirem, é necessário saber utilizar estas informações a seu favor, e para isso foram criadas técnicas de recomendações de itens a usuários, os Sistemas de Recomendação. Cada um destes sistemas opera de uma maneira diferente, observando conjuntos de características dos bancos de dados. Neste trabalho utilizamos o Sistema de Recomendação chamado Filtragem Colaborativa, que recomenda itens a usuários com base na similaridade, que pode ser tanto entre usuários quanto entre itens. A partir de um banco de dados onde usuários avaliaram com notas uma lista de filmes assistidos, ocultamos algumas destas notas para que fossem utilizados os diversos desdobramentos desta metodologia e posteriormente avaliamos a qualidade de cada desdobramento, com base na comparação das notas reais com as preditas e no poder do sistema de identificar quais filmes os usuários gostariam para assim recomendá-los. Também comparamos formas diferentes de fazer estas avaliações. Foi possível perceber que considerando a similaridade entre filmes a notas foram mais bem estimadas, porém obtivemos melhores resultados para a recomendação considerando a similaridade entre usuários. Também notamos que cada forma de utilização testada da Filtragem Colaborativa possui seus pontos positivos e negativos, e a melhor forma de escolher qual abordagem deve ser utilizada é priorizando as características de interesse que se destacaram para cada uma delas |
id |
UFF-2_219aa3d06bf0b04471d7713a6ac039cb |
---|---|
oai_identifier_str |
oai:app.uff.br:1/14682 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Recomendação de filmes utilizando filtragem colaborativaFiltragem colaborativaSistemas de recomendaçãoSistema de recomendaçãoFilme cinematográficoO número de páginas da Web destinadas à oferta de produtos a consumidores vem aumentando a cada dia mais com a expansão da Internet. Estas ofertas podem ser tanto de produtos materiais, como venda de objetos, roupas, eletrodomésticos, etc, como também de produtos conceituais, como oferta de artigos, filmes, músicas. Com esse aumento, a quantidade de informação sobre as preferências dos usuários também aumentou muito. Para que os sites consigam otimizar o número de procura de produtos, e consequentemente aumentar o número de usuários que os adquirem, é necessário saber utilizar estas informações a seu favor, e para isso foram criadas técnicas de recomendações de itens a usuários, os Sistemas de Recomendação. Cada um destes sistemas opera de uma maneira diferente, observando conjuntos de características dos bancos de dados. Neste trabalho utilizamos o Sistema de Recomendação chamado Filtragem Colaborativa, que recomenda itens a usuários com base na similaridade, que pode ser tanto entre usuários quanto entre itens. A partir de um banco de dados onde usuários avaliaram com notas uma lista de filmes assistidos, ocultamos algumas destas notas para que fossem utilizados os diversos desdobramentos desta metodologia e posteriormente avaliamos a qualidade de cada desdobramento, com base na comparação das notas reais com as preditas e no poder do sistema de identificar quais filmes os usuários gostariam para assim recomendá-los. Também comparamos formas diferentes de fazer estas avaliações. Foi possível perceber que considerando a similaridade entre filmes a notas foram mais bem estimadas, porém obtivemos melhores resultados para a recomendação considerando a similaridade entre usuários. Também notamos que cada forma de utilização testada da Filtragem Colaborativa possui seus pontos positivos e negativos, e a melhor forma de escolher qual abordagem deve ser utilizada é priorizando as características de interesse que se destacaram para cada uma delasKubrusly, Jessica QuintanilhaVelarde, Luis Guillermo CocaAlmeida, Núbia Karla de OliveiraPinto Junior, Jony ArraisGiglio, Juliana Chaves2020-08-19T17:40:26Z2020-08-19T17:40:26Z2014info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfGIGLIO, Juliana Chaves. Recomendação de filmes utilizando filtragem colaborativa. 2014. 62 f. Trabalho de Conclusão de Curso (Graduação em Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2014.https://app.uff.br/riuff/handle/1/14682http://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2021-09-28T20:01:29Zoai:app.uff.br:1/14682Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T11:18:34.882806Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Recomendação de filmes utilizando filtragem colaborativa |
title |
Recomendação de filmes utilizando filtragem colaborativa |
spellingShingle |
Recomendação de filmes utilizando filtragem colaborativa Giglio, Juliana Chaves Filtragem colaborativa Sistemas de recomendação Sistema de recomendação Filme cinematográfico |
title_short |
Recomendação de filmes utilizando filtragem colaborativa |
title_full |
Recomendação de filmes utilizando filtragem colaborativa |
title_fullStr |
Recomendação de filmes utilizando filtragem colaborativa |
title_full_unstemmed |
Recomendação de filmes utilizando filtragem colaborativa |
title_sort |
Recomendação de filmes utilizando filtragem colaborativa |
author |
Giglio, Juliana Chaves |
author_facet |
Giglio, Juliana Chaves |
author_role |
author |
dc.contributor.none.fl_str_mv |
Kubrusly, Jessica Quintanilha Velarde, Luis Guillermo Coca Almeida, Núbia Karla de Oliveira Pinto Junior, Jony Arrais |
dc.contributor.author.fl_str_mv |
Giglio, Juliana Chaves |
dc.subject.por.fl_str_mv |
Filtragem colaborativa Sistemas de recomendação Sistema de recomendação Filme cinematográfico |
topic |
Filtragem colaborativa Sistemas de recomendação Sistema de recomendação Filme cinematográfico |
description |
O número de páginas da Web destinadas à oferta de produtos a consumidores vem aumentando a cada dia mais com a expansão da Internet. Estas ofertas podem ser tanto de produtos materiais, como venda de objetos, roupas, eletrodomésticos, etc, como também de produtos conceituais, como oferta de artigos, filmes, músicas. Com esse aumento, a quantidade de informação sobre as preferências dos usuários também aumentou muito. Para que os sites consigam otimizar o número de procura de produtos, e consequentemente aumentar o número de usuários que os adquirem, é necessário saber utilizar estas informações a seu favor, e para isso foram criadas técnicas de recomendações de itens a usuários, os Sistemas de Recomendação. Cada um destes sistemas opera de uma maneira diferente, observando conjuntos de características dos bancos de dados. Neste trabalho utilizamos o Sistema de Recomendação chamado Filtragem Colaborativa, que recomenda itens a usuários com base na similaridade, que pode ser tanto entre usuários quanto entre itens. A partir de um banco de dados onde usuários avaliaram com notas uma lista de filmes assistidos, ocultamos algumas destas notas para que fossem utilizados os diversos desdobramentos desta metodologia e posteriormente avaliamos a qualidade de cada desdobramento, com base na comparação das notas reais com as preditas e no poder do sistema de identificar quais filmes os usuários gostariam para assim recomendá-los. Também comparamos formas diferentes de fazer estas avaliações. Foi possível perceber que considerando a similaridade entre filmes a notas foram mais bem estimadas, porém obtivemos melhores resultados para a recomendação considerando a similaridade entre usuários. Também notamos que cada forma de utilização testada da Filtragem Colaborativa possui seus pontos positivos e negativos, e a melhor forma de escolher qual abordagem deve ser utilizada é priorizando as características de interesse que se destacaram para cada uma delas |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014 2020-08-19T17:40:26Z 2020-08-19T17:40:26Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
GIGLIO, Juliana Chaves. Recomendação de filmes utilizando filtragem colaborativa. 2014. 62 f. Trabalho de Conclusão de Curso (Graduação em Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2014. https://app.uff.br/riuff/handle/1/14682 |
identifier_str_mv |
GIGLIO, Juliana Chaves. Recomendação de filmes utilizando filtragem colaborativa. 2014. 62 f. Trabalho de Conclusão de Curso (Graduação em Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2014. |
url |
https://app.uff.br/riuff/handle/1/14682 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/br/ CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823718789283840 |