Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/6707
Title: RecSysExp2 : aprimorando o framework de implementação e validação em sistemas de recomendação.
Authors: Gomes, Clara Lóris de Sales
metadata.dc.contributor.advisor: Fortes, Reinaldo Silva
metadata.dc.contributor.referee: Fortes, Reinaldo Silva
Ferreira, Anderson Almeida
Veloso, Bráulio Miranda
Keywords: Sistemas de recomendação
Framework
Recomendação multiobjetivo
Métrica avaliação novidade
Issue Date: 2024
Citation: GOMES, Clara Lóris de Sales. RecSysExp2: aprimorando o framework de implementação e validação em sistemas de recomendação. 2024. 50 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.
Abstract: O constante aumento de dados disponíveis gerou a necessidade de Sistemas de Recomendação capazes de filtrar informações relevantes aos usuários. No entanto, a busca por conteúdo verda- deiramente significativo para os usuários, muitas vezes com necessidades e expectativas diversas, demanda a incorporação de métricas além da acurácia, como a novidade, a diversidade ou a serendipidade. Para lidar com isso, torna-se necessário a aplicação de técnicas de otimização multiobjetivo. O framework RecSysExp, desenvolvido por Natali (2023), foi criado com o intuito de simplificar a realização de experimentos em recomendação, abrangendo todas as etapas do processo. No entanto, o framework apresenta limitações ao não contemplar recomendações mul- tiobjetivo e métricas de avaliação que não estejam relacionadas com a medida de acurácia, o que fundamenta a expansão proposta por este trabalho. O objetivo central deste trabalho é enriquecer o RecSysExp para suprir essas limitações. Isso envolve a criação de uma infraestrutura que viabilize a integração de métodos para a implementação de Sistemas de Recomendação multiob- jetivo, e a incorporação de métricas de avaliação que considerem a novidade das recomendações, tornando-o mais abrangente. Ao expandir o RecSysExp este trabalho visa ampliar os cenários de uso do framework. Foram conduzidos experimentos computacionais, a fim de demonstrar a eficácia das melhorias introduzidas no framework RecSysExp. O experimento foi estruturado para testar a capacidade do sistema aprimorado em lidar com recomendações multiobjetivo.
metadata.dc.description.abstracten: The constant increase in available data has generated the need for Recommendation Systems capable of filtering relevant information for users. However, the search for truly meaningful content for users, often with diverse needs and expectations, requires the incorporation of metrics beyond accuracy, such as novelty, diversity, or serendipity. To address this, the application of multi- objective optimization techniques becomes necessary. The framework RecSysExp, developed by Natali (2023), was created with the intention of simplifying the conduct of experiments in recommendation, covering all stages of the process. However, the framework has limitations by not considering multi-objective recommendations and evaluation metrics unrelated to accuracy, which justifies the expansion proposed by this work. The central objective of this work is to enrich RecSysExp to address these limitations. This involves the inclusion of methods that allow the implementation of multi-objective Recommendation Systems and the incorporation of evaluation metrics that consider the novelty of recommendations, making it more comprehensive. By expanding RecSysExp, this work aims to broaden the use cases of the framework. Computational experiments were conducted to demonstrate the effectiveness of the improvements introduced in the framework RecSysExp. The experiment was structured to test the enhanced system’s ability to handle multi-objective recommendations.
URI: http://www.monografias.ufop.br/handle/35400000/6707
Appears in Collections:Ciência da Computação

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_RecSysExxpAprimorandoFramework.pdf906,82 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.