Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação
Autor(a) principal: | |
---|---|
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 (UNICAMP). 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: 3 set. 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 (UNICAMP). 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: 3 set. 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: 3 set. 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_ |
1809189046629433344 |