Uma abordagem de recomendação baseada em conteúdo através de perfis dicotômicos dos usuários.

Abstract

Sistemas de recomendação surgiram da necessidade dos usuários em encontrar de maneira prática e rápida um conteúdo que lhes interessa na Internet, mas que teriam dificuldade de encontrar devido ao grande volume de opções. Sendo assim surgiram vários métodos de filtragem para auxiliar nesse processo de recomendação. Dentre os métodos existentes, este trabalho busca explorar e desenvolver técnicas que abordam a utilização do método de filtragem baseada em conteúdo. Foram apresentadas diversas técnicas utilizadas na filtragem baseada em conteúdo, sendo elas o uso da representação de itens e usuários, entidades fundamentais no processo de recomendação, a extração de informação textual, utilizando técnicas de pré-processamento de dados como o tf-idf e como podem ser feitos os cálculos de similaridades. A partir dos conceitos e técnicas aprendidos foi proposto um método que utiliza a criação de dois perfis do usuário, sendo um deles baseados nos itens que o usuário gosta e o outro baseado nos itens que o usuário não gosta, denominados perfis dicotômicos. Utilizando os perfis criados, o método considera a recomendação de itens que sejam similares ao perfil do usuário com itens que ele gosta e, ao mesmo tempo, recomendar itens que sejam dissimilares ao perfil do usuário com itens que ele não gosta. Posteriormente validou-se o método criado em um domínio de filmes. Ao utilizar-se de variadas métricas de ranqueamento, capazes de avaliar diferentes critérios de qualidade das recomendações – NDCG (precisão), EPC (novidade) e EILD (diversidade) –, pôde se observar que a utilização dos dois perfis em igual proporção consegue recomendar melhor do que usando apenas um dos perfis ou uma combinação com pesos diferentes para os dois perfis.