Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/224878 |
Resumo: | Os Sistemas de Recomendação nasceram com o propósito de auxiliar as pessoas a encontrarem itens que satisfaçam suas preferências nos mais variados domínios, como músicas, notícias, vídeos, produtos, dentre outros. Entretanto, as abordagens de recomendação têm sido alvo de críticas ao longo do tempo por entregarem itens que são, muitas vezes, óbvios e redundantes, privando o usuário de outras possibilidades. Isso abre precedentes para o efeito da “bolha de filtro”, um termo cunhado em 2011, por Eli Pariser, que remete ao isolamento do usuário em relação a uma diversidade de conteúdos, o que limita suas possibilidades de novas experiências. Tal efeito se torna ainda mais crítico no domínio de notícias, uma vez que são fontes de informação e de formação de opinião, porque o usuário estando em uma “bolha” pode ficar sujeito à polarização de opiniões, à desinfor mação sobre diferentes assuntos, dentre outros malefícios. Nesse sentido, a diversificação de recomendação surge como uma estratégia para suavizar tal efeito, buscando entregar itens novos e diferentes aos usuários. Nesta tese, é apresentada uma abordagem para a diversificação de recomendação, baseada em múltiplos atributos, aplicada ao domínio de notícias eletrônicas. Além disso, é apresentada uma forma de medir o efeito de “bolhas de filtro” através do grau de homogeneidade dos itens consumidos e/ou entregues aos usuários. A avaliação compreende um estudo de usuário, utilizando um protótipo de re comendação de notícias sobre política. A partir desse, busca-se verificar se a estratégia de diversificação multi-atributo é capaz de suavizar o efeito de “bolha de filtro” quando comparada à recomendação convencional, empregando a metodologia de teste A/B e tes tes de diferença estatística entre os grupos de usuários. Os resultados para essa avaliação sugerem uma diminuição da homogeneidade para todos os casos, considerando apenas os itens entregues, isto é, sem qualquer tipo de interação. Além disso, a abordagem de diversificação multi-atributo foi comparada com uma abordagem de diversificação da li teratura. Os resultados sugerem melhorias para alguns casos. |
id |
URGS_a9e4c1e60f574aad8d3ef9f4bfa2ee9b |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/224878 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Lunardi, Gabriel MachadoOliveira, Jose Palazzo Moreira de2021-07-31T04:41:33Z2021http://hdl.handle.net/10183/224878001129247Os Sistemas de Recomendação nasceram com o propósito de auxiliar as pessoas a encontrarem itens que satisfaçam suas preferências nos mais variados domínios, como músicas, notícias, vídeos, produtos, dentre outros. Entretanto, as abordagens de recomendação têm sido alvo de críticas ao longo do tempo por entregarem itens que são, muitas vezes, óbvios e redundantes, privando o usuário de outras possibilidades. Isso abre precedentes para o efeito da “bolha de filtro”, um termo cunhado em 2011, por Eli Pariser, que remete ao isolamento do usuário em relação a uma diversidade de conteúdos, o que limita suas possibilidades de novas experiências. Tal efeito se torna ainda mais crítico no domínio de notícias, uma vez que são fontes de informação e de formação de opinião, porque o usuário estando em uma “bolha” pode ficar sujeito à polarização de opiniões, à desinfor mação sobre diferentes assuntos, dentre outros malefícios. Nesse sentido, a diversificação de recomendação surge como uma estratégia para suavizar tal efeito, buscando entregar itens novos e diferentes aos usuários. Nesta tese, é apresentada uma abordagem para a diversificação de recomendação, baseada em múltiplos atributos, aplicada ao domínio de notícias eletrônicas. Além disso, é apresentada uma forma de medir o efeito de “bolhas de filtro” através do grau de homogeneidade dos itens consumidos e/ou entregues aos usuários. A avaliação compreende um estudo de usuário, utilizando um protótipo de re comendação de notícias sobre política. A partir desse, busca-se verificar se a estratégia de diversificação multi-atributo é capaz de suavizar o efeito de “bolha de filtro” quando comparada à recomendação convencional, empregando a metodologia de teste A/B e tes tes de diferença estatística entre os grupos de usuários. Os resultados para essa avaliação sugerem uma diminuição da homogeneidade para todos os casos, considerando apenas os itens entregues, isto é, sem qualquer tipo de interação. Além disso, a abordagem de diversificação multi-atributo foi comparada com uma abordagem de diversificação da li teratura. Os resultados sugerem melhorias para alguns casos.Recommender Systems were born with the purpose of helping people find items that sat isfy their preferences in the most varied domains, such as music, news, videos, products, among others. However, recommendation approaches have been criticized over time for delivering items that are often obvious and redundant, depriving the user of other possibil ities. This sets the stage for the “filter bubble” effect, a term coined in 2011 by Eli Pariser, which refers to the user’s isolation from a diversity of content, limiting their possibilities for new experiences. This effect becomes even more critical in the field of news, since they are sources of information and opinion formation, because the user being in a “bub ble” may be subject to the polarization of opinions, misinformation on different subjects, among other evils. In this sense, recommendation diversification emerges as a strategy to soften this effect, seeking to deliver new and different items to users. In this thesis, an approach for recommendation diversification, based on multiple attributes, applied to the electronic news domain, is presented. In addition, a way to measure the effect of “filter bubbles” through the degree of homogeneity of items consumed and/or delivered to users is presented. The evaluation comprises a user study, using a prototype for recommending news about politics. From this, we seek to verify whether the multi-attribute diversifica tion strategy is able to soften the filter bubble effect when compared to the conventional recommendation, using the A/B test methodology and statistical difference tests between user groups. The results for this evaluation suggest a decrease in homogeneity for all cases considering only the delivered items, i.e., without any kind of interaction. In ad dition, the multi-attribute diversification approach was compared with a diversification approach from the literature. The results suggest improvements for some cases.application/pdfporSistemas de recomendaçãoBolhas de filtroRecuperacao : InformacaoDiversification of recommendationNewsDiversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notíciasMulti-attribute diversification to diminish the “filter bubble” effect in news recommender systems info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPrograma de Pós-Graduação em ComputaçãoPorto Alegre, BR-RS2021doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001129247.pdf.txt001129247.pdf.txtExtracted Texttext/plain296287http://www.lume.ufrgs.br/bitstream/10183/224878/2/001129247.pdf.txt62ec496de0a7feb3f97ce88c1a9aaad1MD52ORIGINAL001129247.pdfTexto completoapplication/pdf11021340http://www.lume.ufrgs.br/bitstream/10183/224878/1/001129247.pdfa0d8da8c0e7552fd59dbb2d480418fe4MD5110183/2248782021-08-18 04:46:28.787095oai:www.lume.ufrgs.br:10183/224878Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532021-08-18T07:46:28Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias |
dc.title.alternative.en.fl_str_mv |
Multi-attribute diversification to diminish the “filter bubble” effect in news recommender systems |
title |
Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias |
spellingShingle |
Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias Lunardi, Gabriel Machado Sistemas de recomendação Bolhas de filtro Recuperacao : Informacao Diversification of recommendation News |
title_short |
Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias |
title_full |
Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias |
title_fullStr |
Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias |
title_full_unstemmed |
Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias |
title_sort |
Diversificação multi-atributo para diminuir o efeito “bolha de filtro” em sistemas de recomendação de notícias |
author |
Lunardi, Gabriel Machado |
author_facet |
Lunardi, Gabriel Machado |
author_role |
author |
dc.contributor.author.fl_str_mv |
Lunardi, Gabriel Machado |
dc.contributor.advisor1.fl_str_mv |
Oliveira, Jose Palazzo Moreira de |
contributor_str_mv |
Oliveira, Jose Palazzo Moreira de |
dc.subject.por.fl_str_mv |
Sistemas de recomendação Bolhas de filtro Recuperacao : Informacao |
topic |
Sistemas de recomendação Bolhas de filtro Recuperacao : Informacao Diversification of recommendation News |
dc.subject.eng.fl_str_mv |
Diversification of recommendation News |
description |
Os Sistemas de Recomendação nasceram com o propósito de auxiliar as pessoas a encontrarem itens que satisfaçam suas preferências nos mais variados domínios, como músicas, notícias, vídeos, produtos, dentre outros. Entretanto, as abordagens de recomendação têm sido alvo de críticas ao longo do tempo por entregarem itens que são, muitas vezes, óbvios e redundantes, privando o usuário de outras possibilidades. Isso abre precedentes para o efeito da “bolha de filtro”, um termo cunhado em 2011, por Eli Pariser, que remete ao isolamento do usuário em relação a uma diversidade de conteúdos, o que limita suas possibilidades de novas experiências. Tal efeito se torna ainda mais crítico no domínio de notícias, uma vez que são fontes de informação e de formação de opinião, porque o usuário estando em uma “bolha” pode ficar sujeito à polarização de opiniões, à desinfor mação sobre diferentes assuntos, dentre outros malefícios. Nesse sentido, a diversificação de recomendação surge como uma estratégia para suavizar tal efeito, buscando entregar itens novos e diferentes aos usuários. Nesta tese, é apresentada uma abordagem para a diversificação de recomendação, baseada em múltiplos atributos, aplicada ao domínio de notícias eletrônicas. Além disso, é apresentada uma forma de medir o efeito de “bolhas de filtro” através do grau de homogeneidade dos itens consumidos e/ou entregues aos usuários. A avaliação compreende um estudo de usuário, utilizando um protótipo de re comendação de notícias sobre política. A partir desse, busca-se verificar se a estratégia de diversificação multi-atributo é capaz de suavizar o efeito de “bolha de filtro” quando comparada à recomendação convencional, empregando a metodologia de teste A/B e tes tes de diferença estatística entre os grupos de usuários. Os resultados para essa avaliação sugerem uma diminuição da homogeneidade para todos os casos, considerando apenas os itens entregues, isto é, sem qualquer tipo de interação. Além disso, a abordagem de diversificação multi-atributo foi comparada com uma abordagem de diversificação da li teratura. Os resultados sugerem melhorias para alguns casos. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-07-31T04:41:33Z |
dc.date.issued.fl_str_mv |
2021 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/224878 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001129247 |
url |
http://hdl.handle.net/10183/224878 |
identifier_str_mv |
001129247 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/224878/2/001129247.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/224878/1/001129247.pdf |
bitstream.checksum.fl_str_mv |
62ec496de0a7feb3f97ce88c1a9aaad1 a0d8da8c0e7552fd59dbb2d480418fe4 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085560700633088 |