Avaliação entre algoritmos de filtragem colaborativa baseada em vizinhança e transferência de conhecimento para CD-CARS

• Autor(a) principal: Silva, Guilherme Melo da
• Data de Publicação: 2019
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório institucional da Universidade Federal Rural de Pernambuco (UFRPE) (RI-UFRPE)
• Texto Completo: https://repository.ufrpe.br/handle/123456789/1873
• topic: Algorítmos computacionais; Sistemas de Recomendação; Filtragem Colaborativa

A realização de recomendações em cenários com a falta de preferências expressas por usuários é uma importante limitação para os Sistemas de Recomendação (SR). Devido a este problema pesquisas envolvendo SR de domínio cruzado (SRDC) vêm ganhando relevância, onde a filtragem colaborativa baseada (FC) é uma das técnicas mais exploradas nesta área. O sistema CD-CARS mostra que o uso de informações contextuais, disponíveis nas preferências dos usuários, pode otimizar algoritmos de FC baseada em vizinhança, técnica bastante difundida em FC para multidomínios. Embora apresentem recomendações precisas, alguns algoritmos de FC baseada em vizinhança, como o utilizado no CD-CARS, têm a limitação do uso de multidomínios apenas na ocorrência da sobreposição de usuários entre os domínios, cenário não trivial em bases de dados reais. Este trabalho apresenta uma análise comparativa entre diferentes algoritmos de recomendação envolvendo técnicas de filtragem colaborativa. Os algoritmos NNUserNgbr-transClosuredo CD-CARS (FC baseada em vizinhança) e Tracer(FC baseada em transferências de conhecimento), foram utilizados como base para os algoritmos de recomendação. Nos experimentos, os algoritmos de FC foram integrados às técnicas sensíveis ao contexto, abordadas no CD-CARS: Pré-Filtragem e Pós-Filtragem Contextual, sendo aplicados sobre dois conjuntos dedados, formados por dois domínios auxiliares e um alvo, com e sem sobreposição de usuários entre os domínios. As métricas de desempenho MAE e RMSE foram utilizadas para a avaliação dos algoritmos. Os resultados dos experimentos mostraram que o algoritmo Tracer apresentou melhores resultados, em relação ao algoritmo NNUserNgbr-transClosure, em todos os experimentos envolvendo o cenário sem a sobreposição de usuários, com e sem o uso da Pré-Filtragemou Pós-Filtragem Contextual.