Modelo de contexto para recomendação de rotas baseada em interesse

• Autor(a) principal: Santos, Luís Fernando Cavalcante dos
• Data de Publicação: 2016
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/6030
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Levantamentos de rotas; Projeto de sistema centrado no usuário; UML (Computação); Route surveying; User-centered system design; UML (Computer science)

Contexto: Frequentemente recomendadores de rotas são utilizados pelas pessoas, porém, esses recomendadores não consideram elementos contextuais na hora de recomendar, garantindo apenas que a rota de menor distância ou de melhores condições na via. Porém, faltam recomendadores que considerem os interesses dos usuários e o contexto para gerarem rotas que possam tirar os usuário da rotina, recomendando rotas que possuam locais que sejam do interesse do usuário, garantindo um percurso mais confortável ao usuário. Objetivo: desenvolver um modelo contextual que durante uma recomendação de rotas considere interesses do usuário de maneira dinâmica. Portanto, com o modelo contextual é possível projetar um conjunto de comportamentos que, dado um determinado contexto do usuário, seja capaz de inferir preferências por uma rota ou outra. Método: primeiramente foi identificado na literatura, quais os interesses dos usuários e informações contextuais são relevantes para sistemas de recomendação. Em seguida o modelo contextual foi construído para representar o comportamento dinâmico do sistema de acordo com os interesses de cada usuário. Com isso os comportamentos produzidos foram representados em regras com base na ferramenta Drools. A partir dessa representação, foi possível realizar uma prova de conceito por meio da ferramenta Drools, a fim de exemplificar a funcionalidade dos modelos comportamentais gerados neste trabalho. Resultados: os modelos comportamentais foram gerados de forma a serem flexíveis, para que futuramente novos elementos contextuais possam ser inseridos. Conclusões: apesar de existirem algumas carências, elas podem ser supridas para aperfeiçoar os modelos contextuais gerados, pois quanto mais elementos contextuais forem inseridos no modelo de contexto, mais o sistema estará próximo de ser um sistema personalizado.