Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação

Detalhes bibliográficos
Autor(a) principal: Panaggio, Ricardo Luís Zanetti
Data de Publicação: 2010
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1614115
Resumo: Orientador: Ricardo da Silva Torres
id UNICAMP-30_0d2fbef7a1a1824f7556ea3a55862d24
oai_identifier_str oai::783735
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendaçãoCluster-based generic framework for recommender systemsSistemas de recuperação da informaçãoRecuperação da informaçãoAprendizado de máquina - TécnicaInformation storage and retrieval systemsInformation retrievalMachine learning - TechniqueOrientador: Ricardo da Silva TorresDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: A diferença entre o conjunto de dados disponíveis e o conjunto dos dados que interessam a um usuário é enorme e, em geral, cresce diariamente, uma vez que o volume de dados produzidos todos os dias só aumenta. Identificar todo o conjunto de dados de interesse de um usuário utilizando mecanismos tradicionais é muito difícil - talvez impossível. Nesse cenário, ferramentas que possam ajudar usuários a identificar itens de interesse, como sistemas de recomendação, têm um grande valor. Esta dissertação apresenta um modelo genérico que pode ser utilizado para a criação de sistemas de recomendação, e sua instanciação utilizando técnicas de agrupamento. Essa dissertação apresenta também a validação desse modelo, a partir de sua implementação e experimentação com dados das bases Movielens e Jester. As principais contribuições são: definição de um modelo de recomendação baseado em grafos, até onde se sabe mais rico e mais genérico que os encontrados na literatura; especificação e implementação de uma arquitetura modular de um sistema de recomendação baseada nesse modelo, com enfoque em técnicas de agrupamento de dados; validação da arquitetura e do modelo de recomendação propostos, comparando eficácia e eficiência de técnicas de agrupamento de dados em sistemas de recomendaçãoAbstract: The difference between the data available and the set of interesting data to a certain user is enormous and, in general, is becoming greater daily, as the amount of data produced increases. Identifying all the interesting data set using traditional mechanisms is difficult- sometimes impossible. In this scenario, providing tools that can help users on identifying items that are of interest, such as recommendation systems, is of great importance. This dissertation presents a generic model that can be used to create recommender systems, and its instantiation using clustering techniques. It also discusses the validation of this model, by showing results obtained from experiments with data from Movielens and Jester datasets. The main contributions are: a graph-based generic model for recommender systems, which is more generic and richer than the ones found in literature; the specification and implementation of a modular architecture for recommender systems based on that model, focused on clustering techniques; validation of both model and architecture, by comparing efficiency and effectiveness of clustering-based recommender systemsMestradoSistemas de Recuperação da InformaçãoMestre em Ciência da Computação[s.n.]Torres, Ricardo da Silva, 1977-Papa, João PauloGarcia, Islene CalciolariUniversidade Estadual de Campinas. Instituto de ComputaçãoPrograma de Pós-Graduação em Ciência da ComputaçãoUNIVERSIDADE ESTADUAL DE CAMPINASPanaggio, Ricardo Luís Zanetti20102010-01-10T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf65 f. : il.https://hdl.handle.net/20.500.12733/1614115PANAGGIO, Ricardo Luís Zanetti. Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação. 2010. 65 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1614115. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/783735porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-12-19T10:00:29Zoai::783735Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-12-19T10:00:29Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
Cluster-based generic framework for recommender systems
title Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
spellingShingle Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
Panaggio, Ricardo Luís Zanetti
Sistemas de recuperação da informação
Recuperação da informação
Aprendizado de máquina - Técnica
Information storage and retrieval systems
Information retrieval
Machine learning - Technique
title_short Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
title_full Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
title_fullStr Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
title_full_unstemmed Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
title_sort Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
author Panaggio, Ricardo Luís Zanetti
author_facet Panaggio, Ricardo Luís Zanetti
author_role author
dc.contributor.none.fl_str_mv Torres, Ricardo da Silva, 1977-
Papa, João Paulo
Garcia, Islene Calciolari
Universidade Estadual de Campinas. Instituto de Computação
Programa de Pós-Graduação em Ciência da Computação
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Panaggio, Ricardo Luís Zanetti
dc.subject.por.fl_str_mv Sistemas de recuperação da informação
Recuperação da informação
Aprendizado de máquina - Técnica
Information storage and retrieval systems
Information retrieval
Machine learning - Technique
topic Sistemas de recuperação da informação
Recuperação da informação
Aprendizado de máquina - Técnica
Information storage and retrieval systems
Information retrieval
Machine learning - Technique
description Orientador: Ricardo da Silva Torres
publishDate 2010
dc.date.none.fl_str_mv 2010
2010-01-10T00:00:00Z
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 https://hdl.handle.net/20.500.12733/1614115
PANAGGIO, Ricardo Luís Zanetti. Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação. 2010. 65 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1614115. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/1614115
identifier_str_mv PANAGGIO, Ricardo Luís Zanetti. Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação. 2010. 65 f. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1614115. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/783735
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
65 f. : il.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138478198358016

Registros relacionados