GUARD: um arcabouço para recomendação baseado em programação genética

• Autor(a) principal: Adolfo Pinto Guimarães
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/ESBF-97GR3N
• topic: Ciência da Computação; Computação; Sistemas de recuperação da informação; Programação genética (computação)

Os sistemas de recomendação fornecem sugestões de itens baseados no interesse do usuário. Esses sistemas estão presentes em diversos contextos, tais como comércio eletrônico, máquinas de busca e guias de programação para TV digital. Esta dissertaçãopropõe o GUARD (A Genetic Unified Approach for Recommendation), um arcabouço baseado em programação genética criado para gerar funções de ranking de itens para sistemas de recomendação. O arcabouço desenvolvido é flexível, e apesar de ter sido implementado para trabalhar com filtragem colaborativa, pode ser facilmente estendidopara recomendação baseada em conteúdo ou híbrida. Na filtragem colaborativa, itens são recomendados ao usuário levando em consideração a preferência de usuários com interesses semelhantes aos seus. A programação genética (PG) é um método baseado nas teorias de evolução e sobrevivência dos indivíduos mais adaptados. A principal motivação para propor um método baseado em PG para gerar funções de ranking está em sua flexibilidade para combinar diferentes evidências, além de sua capacidade de lidar com incerteza e ruído nos dados. O GUARD avalia as funções de ranking geradas com base emquatro medidas: precisão, revocação, novidade e diversidade. Essa avaliação baseada em diferentes critérios de qualidade segue duas abordagens distintas de otimização dos objetivos: uma abordagem baseada em Pareto e uma abordagem lexicográfica. O arcabouço foi aplicado no cenário de recomendação de filmes com as basesMovielens 100k e 1M, e comparados com o PureSVD, algoritmo estado da arte para recomendação de filtragem colaborativa. Para a Movielens 100k, os resultados de precisão e revocação obtidos foram melhores que os do PureSVD, gerando ganho de aproximadamente 7% em número de itens nas primeiras posições do ranking. No caso dos indivíduos com melhor novidade e diversidade, apesar de uma pequena perda na precisão, houve um ganho significativo em relação ao PureSVD nesses objetivos. Para a Movilens 1M, os resultados não superaram os do baseline proposto de acordo com as quatro medidas, ficando em média 3% abaixo em número de itens relevantes nas 20 primeiras posições do ranking. Por outro lado, as funções geradas são muito mais simples e eficientes que aquelas geradas pelo PureSVD.