Sistemas de recomendação usando o software R

Detalhes bibliográficos
Autor(a) principal: Filgueira, Leonardo
Data de Publicação: 2018
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/1/13953
Resumo: O trabalho apresenta algumas técnicas utilizadas na realização de sistemas de recomendação e realiza um estudo de caso, ao utilizar uma base de dados de avaliações de filmes por usuários. É aplicada sobre essa base uma técnica de filtragem colaborativa a fim obter recomendações de filmes aos usuários. Informações como gêneros dos filmes, avaliação dos usuários e número de filmes avaliados serão utilizadas de forma a agrupar os usuários em clusters, utilizando as técnicas de particionamento CLARA e K-means, de forma a aplicar a filtragem colaborativa para cada um dos clusters, em separado. Realiza-se uma comparação de acurácia dos modelos, fazendo a divisão em base de treino (para construir o modelo) e base de teste (para verificar a acurácia), além de uma verificação do tempo de execução, com o objetivo de verificar se, nas condições desse estudo, a clusterização torna a recomendação mais acurada
id UFF-2_9a4a8249c85383161dca212419b4279f
oai_identifier_str oai:app.uff.br:1/13953
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Sistemas de recomendação usando o software RSistemas de recomendaçãoFiltragem colaborativaClusterizaçãoSistema de recomendaçãoFilme cinematográficoO trabalho apresenta algumas técnicas utilizadas na realização de sistemas de recomendação e realiza um estudo de caso, ao utilizar uma base de dados de avaliações de filmes por usuários. É aplicada sobre essa base uma técnica de filtragem colaborativa a fim obter recomendações de filmes aos usuários. Informações como gêneros dos filmes, avaliação dos usuários e número de filmes avaliados serão utilizadas de forma a agrupar os usuários em clusters, utilizando as técnicas de particionamento CLARA e K-means, de forma a aplicar a filtragem colaborativa para cada um dos clusters, em separado. Realiza-se uma comparação de acurácia dos modelos, fazendo a divisão em base de treino (para construir o modelo) e base de teste (para verificar a acurácia), além de uma verificação do tempo de execução, com o objetivo de verificar se, nas condições desse estudo, a clusterização torna a recomendação mais acuradaAlcoforado, Luciane FerreiraRoss, Steven DuttRibeiro, Rodrigo Otavio de AraujoFilgueira, Leonardo2020-06-18T14:15:06Z2020-06-18T14:15:06Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfFILGUEIRA, Leonardo. Sistemas de recomendação usando o software R. 2018. 61 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2018.https://app.uff.br/riuff/handle/1/13953http://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:UFF2021-09-23T17:32:41Zoai:app.uff.br:1/13953Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202021-09-23T17:32:41Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Sistemas de recomendação usando o software R
title Sistemas de recomendação usando o software R
spellingShingle Sistemas de recomendação usando o software R
Filgueira, Leonardo
Sistemas de recomendação
Filtragem colaborativa
Clusterização
Sistema de recomendação
Filme cinematográfico
title_short Sistemas de recomendação usando o software R
title_full Sistemas de recomendação usando o software R
title_fullStr Sistemas de recomendação usando o software R
title_full_unstemmed Sistemas de recomendação usando o software R
title_sort Sistemas de recomendação usando o software R
author Filgueira, Leonardo
author_facet Filgueira, Leonardo
author_role author
dc.contributor.none.fl_str_mv Alcoforado, Luciane Ferreira
Ross, Steven Dutt
Ribeiro, Rodrigo Otavio de Araujo
dc.contributor.author.fl_str_mv Filgueira, Leonardo
dc.subject.por.fl_str_mv Sistemas de recomendação
Filtragem colaborativa
Clusterização
Sistema de recomendação
Filme cinematográfico
topic Sistemas de recomendação
Filtragem colaborativa
Clusterização
Sistema de recomendação
Filme cinematográfico
description O trabalho apresenta algumas técnicas utilizadas na realização de sistemas de recomendação e realiza um estudo de caso, ao utilizar uma base de dados de avaliações de filmes por usuários. É aplicada sobre essa base uma técnica de filtragem colaborativa a fim obter recomendações de filmes aos usuários. Informações como gêneros dos filmes, avaliação dos usuários e número de filmes avaliados serão utilizadas de forma a agrupar os usuários em clusters, utilizando as técnicas de particionamento CLARA e K-means, de forma a aplicar a filtragem colaborativa para cada um dos clusters, em separado. Realiza-se uma comparação de acurácia dos modelos, fazendo a divisão em base de treino (para construir o modelo) e base de teste (para verificar a acurácia), além de uma verificação do tempo de execução, com o objetivo de verificar se, nas condições desse estudo, a clusterização torna a recomendação mais acurada
publishDate 2018
dc.date.none.fl_str_mv 2018
2020-06-18T14:15:06Z
2020-06-18T14:15:06Z
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 FILGUEIRA, Leonardo. Sistemas de recomendação usando o software R. 2018. 61 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2018.
https://app.uff.br/riuff/handle/1/13953
identifier_str_mv FILGUEIRA, Leonardo. Sistemas de recomendação usando o software R. 2018. 61 f. Trabalho de Conclusão de Curso (Graduação de Estatística) - Instituto de Matemática e Estatística, Universidade Federal Fluminense, Niterói, 2018.
url https://app.uff.br/riuff/handle/1/13953
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_ 1819053599001411584

Registros relacionados