Recomendação de artigos científicos: um foco na integração de perfis de usuários.
Os Sistemas de Recomendação personalizada surgiram como uma possível solução para o problema da sobrecarga de informação. Entretanto, sua qualidade está relacionada ao perfil de usuário e gerar um perfil de qualidade não é uma tarefa trivial. Consequentemente, o usuário que não recebe boas recomenda...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2013 |
| País: | Brasil |
| Institución: | Universidade Federal de Campina Grande (UFCG) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da UFCG |
| Idioma: | portugués |
| OAI Identifier: | oai:dspace.sti.ufcg.edu.br:riufcg/7083 |
| Acceso en línea: | https://dspace.sti.ufcg.edu.br/handle/riufcg/7083 |
| Access Level: | acceso abierto |
| Palabra clave: | Sistemas de Recomendação Modelagem de Usuário Sistema de Recomendação de Artigos Integração de Perfis de Usuário Filtragem Baseada em Conteúdo Plataforma Lattes Mendeley Recommendation Systems User Modeling Article Recommendation System Integration of User Profiles Content-Based Filtering Lattes Platform Ciência da Computação |
| Sumario: | Os Sistemas de Recomendação personalizada surgiram como uma possível solução para o problema da sobrecarga de informação. Entretanto, sua qualidade está relacionada ao perfil de usuário e gerar um perfil de qualidade não é uma tarefa trivial. Consequentemente, o usuário que não recebe boas recomendações poderá perder o interesse e confiança no sistema. A pesquisa ora apresentada trata deste problema propondo uma abordagempara Sistemas de Recomendação de artigos científicos com foco na integração de perfis de usuário. Os perfis foram construídos a partir de três fontes: CV Lattes, Mendeley e LinkedIn. A integração de perfis de usuário foi realizada por meio de combinação linear, propondo-se três estratégias: (i) importância igual (Igual); (ii) quantidade de itens (Quant); e (iii) atividade do usuário na fonte (Ativ). Para validar os modelos de perfis, foi realizado umexperimento emque os participantes analisaram a relevância de 50 artigos, sendo utilizada a métrica NDCG@5. Foram realizadas duas avaliações, a primeira apenas no Lattes, utilizando como fator a estratégia de construção de perfil, tendo sido avaliadas as seguintes estratégias: termos (LT); conceitos (LC) e estratégia deLopes. As estratégias propostas proporcionaram os melhores resultados, conforme o teste de Wilcox (α = 0,05): Hipótese Alternativa (HA) = LT > Lopes (p-valor = 0,01543) e HA = LC > Lopes (p-valor = 0,04292). Na segunda avaliação, com os perfis integrados, foram utilizados dois fatores: representação do perfil (termos e conceitos) e estratégia de integração (Igual; Quant; Ativ). Os perfis integrados não proporcionaram resultados melhores que os perfis não integrados, conforme o teste de Friedman (α = 0,05): HA = Existe diferença (p-valor = 0,9971). De posse dos resultados, pôde-se concluir que o modelo proporcionou resultados satisfatórios na plataforma Lattes, o que pode ser caracterizado como uma contribuição importante, dada a importância desta plataforma para os pesquisadores brasileiros. Em se tratando da integração de perfis, não foram alcançados os resultados esperados. Neste sentido, verifica-se que o modelo de integração precisa ser investigado com mais aprofundamento, seja realizando um experimento com mais fatores ou buscando uma amostra maior de usuários. |
|---|