Página 1 dos resultados de 463 itens digitais encontrados em 0.013 segundos

Using topic hierarchies with privileged information to improve context-aware recommender systems

Sundermann, Camila Vaccari; Domingues, Marcos Aurelio; Marcacini, Ricardo M.; Rezende, Solange Oliveira
Fonte: Universidade de São Paulo - USP; Universidade Federal de São Carlos - UFSCar; Centro de Robótica de São Carlos - CROB; Sociedade Brasileira de Computação - SBC; Sociedade Brasileira de Automática - SBA; São Carlos Publicador: Universidade de São Paulo - USP; Universidade Federal de São Carlos - UFSCar; Centro de Robótica de São Carlos - CROB; Sociedade Brasileira de Computação - SBC; Sociedade Brasileira de Automática - SBA; São Carlos
Tipo: Conferência ou Objeto de Conferência
ENG
Relevância na Pesquisa
66.73%
Recommender systems are designed to assist individuals to identify items of interest in a set of options. A context-aware recommender system makes recommendations by incorporating available contextual information into the recommendation process. One of the major challenges in context-aware recommender systems research is the lack of automatic methods to obtain contextual information for these systems. Considering this scenario, in this paper, we propose to use contextual information from topic hierarchies to improve the performance of context-aware recommender systems. Three different types of topic hierarchies are constructed by using the LUPI-based Incremental Hierarchical Clustering method: a topic hierarchy using only a traditional bag-of-words, a second topic hierarchy using a bag-of-words of named entities and a third topic hierarchy using both information.We evaluate the contextual information in four context-aware recommender systems. The empirical results demonstrate that by using topic hierarchies we can provide better recommendations.; FAPESP (grants #2010/20564-8, #2012/13830-9 and #2013/16039-3); CAPES

PersonalTVware: uma infraestrutura de suporte a sistemas de recomendação sensíveis ao contexto para TV Digital Personalizada.; PersonalTVware: an infrastructure to support the context-aware recommender systems for Personalized Digital TV.

Silva, Fábio Santos da
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Tese de Doutorado Formato: application/pdf
Publicado em 18/03/2011 PT
Relevância na Pesquisa
66.67%
O processo de digitalização da TV em diversos países do mundo tem contribuído para o aumento do volume de programas de TV, o que gera uma sobrecarga de informação. Consequentemente, o usuário está enfrentando dificuldade para encontrar os programas de TV favoritos dentre as várias opções disponíveis. Diante deste cenário, os sistemas de recomendação destacam-se como uma possível solução. Tais sistemas são capazes de filtrar itens relevantes de acordo com as preferências do usuário ou de um grupo de usuários que possuem perfis similares. Entretanto, em diversas recomendações o interesse do usuário pode depender do seu contexto. Assim, torna-se importante estender as abordagens tradicionais de recomendação personalizada por meio da exploração do contexto do usuário, o que poderá melhorar a qualidade das recomendações. Para isso, este trabalho descreve uma infraestrutura de software de suporte ao desenvolvimento e execução de sistemas de recomendação sensíveis ao contexto para TV Digital Interativa - intitulada de PersonalTVware. A solução proposta fornece componentes que implementam técnicas avançadas para recomendação de conteúdo e processamento de contexto. Com isso, os desenvolvedores de sistemas de recomendação concentram esforços na lógica de apresentação de seus sistemas...

Multicontextualização para aprimoramento de personalização em sistemas de recomendação contextuais.; Multicontextualization for personalization improvement in contextual recommender systems.

Crivelaro, Celso Vital
Fonte: Biblioteca Digitais de Teses e Dissertações da USP Publicador: Biblioteca Digitais de Teses e Dissertações da USP
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 08/01/2013 PT
Relevância na Pesquisa
66.42%
Sistemas de Recomendação ajudam na personalização de sites na Internet oferecendo conteúdo ou produtos específicos aos usuários. Com dispositivos móveis, aumentou o interesse do usuário em ter recomendações personalizadas de locais para ir de acordo com o seu histórico de navegação e avaliações como restaurantes e pontos turísticos. Para que as recomendações personalizadas por locais sejam mais precisas é necessário contextualizá-las de acordo com o interesse do usuário que caracterizado por locais que ele visitou e por regiões de interesse como moradia, onde trabalha ou mesmo onde passará férias. Várias técnicas de contextualização utilizaram todos os locais que o usuário visitou para geração da recomendação contextual do local, outras técnicas trabalham na arquitetura híbrida. Muitas assumem que é necessário a posição exata do usuário para que as recomendações sejam online, o que muitas vezes não é possível por limitações técnicas ou mesmo indisponibilização do usuário por questões de privacidade. O objetivo principal deste trabalho é geração de recomendações usando multicontextos de forma offline, gerando vários contextos de cada usuário. Os locais são recomendados utilizando apenas dados históricos...

Sistema de recomendação para bibliotecas digitais sob a perspectiva da web semântica; A recommender system to digital llibraries under semantic web perspective

Lopes, Giseli Rabello
Fonte: Universidade Federal do Rio Grande do Sul Publicador: Universidade Federal do Rio Grande do Sul
Tipo: Dissertação Formato: application/pdf
POR
Relevância na Pesquisa
56.58%
Atualmente, pesquisadores e acadêmicos têm beneficiado-se muito com o crescimento acelerado das tecnologias Web, pois os resultados de pesquisa podem ser publicados e acessados eletronicamente tão logo a mesma tenha sido realizada. Esta possibilidade é vantajosa na medida em que minimiza as barreiras de tempo e espaço associadas à publicação tradicional. Neste contexto, surgem as Bibliotecas Digitais como repositórios de dados que, além dos documentos digitais propriamente ditos, ou de apontadores para estes documentos, armazenam os metadados associados. Para permitir que diferentes Bibliotecas Digitais possam interoperar surgiu a Open Archives Initiative (OAI) e, para resolver a questão da padronização dos metadados utilizados pelos repositórios, foi criado o formato Dublin Core (DC). Por outro lado, a enorme quantidade de documentos digitais disponíveis na Web tem causado o fenômeno conhecido como “sobrecarga de informação”. Com o objetivo de suprir esta dificuldade, Sistemas de Recomendação têm sido propostos e desenvolvidos. Estes sistemas visam prover uma interface alternativa para tecnologias de filtragem e recuperação de informações, tendo como foco a predição daqueles itens ou partes da informação que o usuário acharia interessante e útil. Portanto...

Aumentando a acurácia de predição de avaliação de sistemas de recomendação de vídeo com o uso de pontos de interesse; Enhancing the Predictions accuracy of POI video recommender systems

Dias, Alessandro da Silveira
Fonte: Universidade Federal do Rio Grande do Sul Publicador: Universidade Federal do Rio Grande do Sul
Tipo: Dissertação Formato: application/pdf
POR
Relevância na Pesquisa
56.63%
A cada dia aumenta o número de vídeos disponíveis no mundo. Por exemplo, há uma vasta quantidade de sites de vídeos disponíveis na Web e serviços de Vídeo Sob Demanda além de dispositivos que fazem a gravação de vídeos automaticamente, conhecidos como Personal Video Recorders, 24 horas por dia. Isso pode ocasionar um problema ao usuário: a sobrecarga de conteúdo em formato de vídeo. Uma das maneiras de se tratar tal problema consiste no uso de sistemas de recomendação, os quais filtram o conteúdo com o objetivo de entregar o que for mais interessante ao usuário. A abordagem típica utilizada pelos sistemas atuais consiste em um sistema de recomendação híbrido, i.e., que utiliza tanto filtragem baseada em conteúdo quanto filtragem colaborativa, minimizando os problemas que tais abordagens possuem individualmente. Adicionalmente, com o objetivo de melhorar a recomendação ou de criar novas formas de recomendação, têm sido apresentadas novas abordagens, tais como sistemas de recomendação utilizando dados de redes sociais, computação afetiva, tags, entre outros. Este trabalho tem como objetivo apresentar uma abordagem inovadora, a qual utiliza pontos de interesse em vídeo de usuários (ou seja, os segmentos dos vídeos que eles mais gostam ou que mais se interessam) para melhorar a acurácia de predição de sistemas de recomendação de vídeo que utilizam filtragem colaborativa baseados na abordagem usuário-usuário. Na abordagem proposta...

Método de representação de conhecimento baseado em ontologias para apoiar sistemas de recomendação educacionais; A method to describe knowledge with ontologies to support educational recommender systems

Primo, Tiago Thompsen
Fonte: Universidade Federal do Rio Grande do Sul Publicador: Universidade Federal do Rio Grande do Sul
Tipo: Tese de Doutorado Formato: application/pdf
POR
Relevância na Pesquisa
56.42%
A expansão das tecnologias de comunicação e informação apoiadas pela internet trazem benefícios crescentes à sociedade. As redes sociais geolocalizadas, televisores que fazem uso da internet e avançados telefones celulares ganham popularidade em conjunto ao aumento da disponibilidade de acesso à internet. A utilização de tais meios para o compartilhamento de informações possibilita a construção de ambientes ricos em informação e conhecimento. Incorporar tais benefícios a ambientes educacionais, propondo métodos que façam uso da riqueza de informações inerentes a tais domínios, provendo a sugestão de conteúdos educacionais é o foco do presente trabalho. Para isto, é apresentado o arcabouço teórico das áreas de Sistemas de Recomendação, Ontologias, Metadados Educacionais e Web Semântica. Revisar os conceitos e o estado da arte de tais áreas conduz a uma análise crítica das mesmas, bem como, ao conjunto de práticas para a descrição de ontologias, que atuem como núcleo de conhecimento, para aplicações educacionais voltadas a recomendação de objetos de aprendizagem. Em conjunto, é também apresentada uma alternativa para que os desenvolvedores de sistemas educacionais possam repensar a maneira como estes estão sendo desenvolvidos...

Arcabouço genérico baseado em técnicas de agrupamento para sistemas de recomendação; Cluster-based generic framework for recommender systems

Ricardo Luís Zanetti Panaggio
Fonte: Biblioteca Digital da Unicamp Publicador: Biblioteca Digital da Unicamp
Tipo: Dissertação de Mestrado Formato: application/pdf
Publicado em 01/10/2010 PT
Relevância na Pesquisa
56.63%
A diferença entre o conjunto de dados disponíveis e o conjunto dos dados que interessam a um usuário é enorme e, em geral, cresce diariamente, uma vez que o volume de dados produzidos todos os dias só aumenta. Identificar todo o conjunto de dados de interesse de um usuário utilizando mecanismos tradicionais é muito difícil - talvez impossível. Nesse cenário, ferramentas que possam ajudar usuários a identificar itens de interesse, como sistemas de recomendação, têm um grande valor. Esta dissertação apresenta um modelo genérico que pode ser utilizado para a criação de sistemas de recomendação, e sua instanciação utilizando técnicas de agrupamento. Essa dissertação apresenta também a validação desse modelo, a partir de sua implementação e experimentação com dados das bases Movielens e Jester. As principais contribuições são: definição de um modelo de recomendação baseado em grafos, até onde se sabe mais rico e mais genérico que os encontrados na literatura; especificação e implementação de uma arquitetura modular de um sistema de recomendação baseada nesse modelo, com enfoque em técnicas de agrupamento de dados; validação da arquitetura e do modelo de recomendação propostos, comparando eficácia e eficiência de técnicas de agrupamento de dados em sistemas de recomendação; The difference between the data available and the set of interesting data to a certain user is enormous and...

Recommender systems in social networks

Valois B. Jr,Cleomar; Oliveira,Marcius Armada de
Fonte: TECSI Laboratório de Tecnologia e Sistemas de Informação - FEA/USP Publicador: TECSI Laboratório de Tecnologia e Sistemas de Informação - FEA/USP
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/12/2011 EN
Relevância na Pesquisa
66.6%
The continued and diversified growth of social networks has changed the way in which users interact with them. With these changes, what once was limited to social contact is now used for exchanging ideas and opinions, creating the need for new features. Users have so much information at their fingertips that they are unable to process it by themselves; hence, the need to develop new tools. Recommender systems were developed to address this need and many techniques were used for different approaches to the problem. To make relevant recommendations, these systems use large sets of data, not taking the social network of the user into consideration. Developing a recommender system that takes into account the social network of the user is another way of tackling the problem. The purpose of this project is to use the theory of six degrees of separation (Watts 2003) amongst users of a social network to enhance existing recommender systems.

Invenire: um método evolucionário para combinar resultados das técnicas de sistemas de recomendação baseado em filtragem colaborativa; Invenire: an evolutionary approach for combining results of recommender systems techniques based on collaborative filtering

Silva, Edjalma Queiroz da
Fonte: Universidade Federal de Goiás; Brasil; UFG; Programa de Pós-graduação em Ciência da Computação (INF); Instituto de Informática - INF (RG) Publicador: Universidade Federal de Goiás; Brasil; UFG; Programa de Pós-graduação em Ciência da Computação (INF); Instituto de Informática - INF (RG)
Tipo: Dissertação Formato: application/pdf
POR
Relevância na Pesquisa
56.28%
Recommendation systems function as a guide, helping users to discover products of interest. There are various techniques and approaches in the literature that enable the generationofrecommendations.Thisisinterestingbecauseitemphasizesthediversityof options;ontheotherhand,itcancausedoubtthesystemdesigneraboutwhichisthebest techniquetouse.Eachoftheseapproacheshasparticularitiesanddependsonthecontext to be applied. Therefore, the decision to choose between the techniques is complex to be done manually. This work proposes an evolutionary approach for combining results of recommendation techniques (Invenire) in order to automate the choice of techniques and get fewer errors in recommendations. To evaluate the proposal, experiments were performed with a dataset from MovieLens and some Collaborative Filtering techniques. The results show that the combining methodology proposed in this paper performs better than any one collaborative filtering technique separately in the context addressed. The improvement varies from 3,6% to 118,99% depending on the technique and the experiment executed.; Sistemas de Recomendação funcionam como um conselheiro, comportando-se de tal formaaorientaraspessoasnadescobertadeprodutosdeinteresse.Existemváriastécnicas eabordagensnaliteraturaquepermitemgerarrecomendações.Issoéinteressanteporque enfatiza a diversidade de opções; por outro lado...

The performance of recommender systems in online shopping: a usercentric study

Dabrowski, Maciej; Acton, Thomas
Fonte: Elsevier Publicador: Elsevier
Tipo: info:eu-repo/semantics/article; all_ul_research; ul_published_reviewed
ENG
Relevância na Pesquisa
66.42%
peer-reviewed; This research investigates the effects of preference relaxation on decisionmaking performance of users in online preference-based product search contexts. We compare four recommender systems based on different preference relaxation methods in extensive user experiments with 111 subjects that use two real-world datasets: 1818 digital cameras and 45278 used car advertisements gathered from popular e-commerce websites. Our results provide new insights into the positive impact of the soft-boundary preference relaxation methods on decision-making quality and effort. The paper extends previous studies on this topic and demonstrates that decision aids based on preference relaxation techniques can effectively enhance preference-based product search in online product catalogues and help alleviate common disadvantages of form-based filtering mechanisms.

A Generic Architecture for Emotion-based Recommender Systems in Cloud Learning Environments

Leony, Derick; Parada Gélvez, Hugo A.; Muñoz-Merino, Pedro J.; Pardo Sánchez, Abelardo; Delgado Kloos, Carlos
Fonte: J.UCS Publicador: J.UCS
Tipo: info:eu-repo/semantics/publishedVersion; info:eu-repo/semantics/article
Publicado em 01/08/2013 ENG
Relevância na Pesquisa
66.42%
Cloud technology has provided a set of tools to learners and tutors to create a virtual personal learning environment. As these tools only support basic tasks, users of learning environments are looking for specialized tools to exploit the uncountable learning elements available on the internet. Thus, one of the most common functionalities in cloud-based learning environments is the recommendation of learning elements and several approaches have been proposed to deploy recommender systems into an educational environment. Currently, there is an increasing interest in including affective information into the process to generate the recommendations for the learner; and services offering this functionality on cloud environments are scarce. Hence in this paper, we propose a generic cloud-based architecture for a system that recommends learning elements according to the affective state of the learner. Furthermore, we provide the description of some use cases along with the details of the implementation of one of them. We also provide a discussion on the advantages and disadvantages of the proposal.; Work partially funded by the EEE project, “Plan Nacional de I+D+I TIN2011-28308-C03-01”, the “Emadrid: Investigación y desarrollo de tecnologías para el e-learning en la Comunidad de Madrid” project 2009/TIC-1650)...

Next Generation of Recommender Systems: Algorithms and Applications

Li, Lei
Fonte: FIU Digital Commons Publicador: FIU Digital Commons
Tipo: Artigo de Revista Científica Formato: application/pdf
Relevância na Pesquisa
66.75%
Personalized recommender systems aim to assist users in retrieving and accessing interesting items by automatically acquiring user preferences from the historical data and matching items with the preferences. In the last decade, recommendation services have gained great attention due to the problem of information overload. However, despite recent advances of personalization techniques, several critical issues in modern recommender systems have not been well studied. These issues include: (1) understanding the accessing patterns of users (i.e., how to effectively model users' accessing behaviors); (2) understanding the relations between users and other objects (i.e., how to comprehensively assess the complex correlations between users and entities in recommender systems); and (3) understanding the interest change of users (i.e., how to adaptively capture users' preference drift over time). To meet the needs of users in modern recommender systems, it is imperative to provide solutions to address the aforementioned issues and apply the solutions to real-world applications. The major goal of this dissertation is to provide integrated recommendation approaches to tackle the challenges of the current generation of recommender systems. In particular...

A hybrid recommender strategy on an expanded content manager in formal learning

Madeira, Filipe; Quaresma, Rui; Abreu, S.
Fonte: IATED : International Association of Technology, Education and Development Publicador: IATED : International Association of Technology, Education and Development
Tipo: Conferência ou Objeto de Conferência
Publicado em /11/2012 ENG
Relevância na Pesquisa
56.57%
The main topic of this paper is to find ways to improve learning in a formal Higher Education Area. In this environment, the teacher publishes or suggests contents that support learners in a given course, as supplement of classroom training. Generally, these materials are pre-stored and not changeable. These contents are typically published in learning management systems (the Moodle platform emerges as one of the main choices) or in sites created and maintained on the web by teachers themselves. These scenarios typically include a specific group of students (class) and a given period of time (semester or school year). Contents reutilization often needs replication and its update requires new edition and new submission by teachers. Normally, these systems do not allow learners to add new materials, or to edit existing ones. The paper presents our motivations, and some related concepts and works. We describe the concepts of sequencing and navigation in adaptive learning systems, followed by a short presentation of some of these systems. We then discuss the effects of social interaction on the learners’ choices. Finally, we refer some more related recommender systems and their applicability in supporting learning. One central idea from our proposal is that we believe that students with the same goals and with similar formal study time can benefit from contents' assessments made by learners that already have completed the same courses and have studied the same contents. We present a model for personalized recommendation of learning activities to learners in a formal learning context that considers two systems. In the extended content management system...

Aplicando a relevância da opinião de usuários em sistema de recomendação para pesquisadores; Applying user’s opinion relevance in a Recommender System to Researchers

Cazella, Silvio Cesar
Fonte: Universidade Federal do Rio Grande do Sul Publicador: Universidade Federal do Rio Grande do Sul
Tipo: Tese de Doutorado Formato: application/pdf
POR
Relevância na Pesquisa
56.56%
As pessoas têm acesso a uma vasta gama de informações devido a grande oferta e aos recursos da Internet, porém despendem muito tempo na busca do que realmente é interessante ou útil para elas. A dificuldade de encontrar a informação correta é aumentada quando a informação disputa a atenção de uma pessoa com uma série de outras informações não tão relevantes. Procurando minimizar esta dificuldade e auxiliar no acesso a informação interessante, são aplicados desde sistemas de recuperação de informação até sistemas de filtragem de informação. Os sistemas de recuperação são amplamente difundidos na Internet através dos motores de busca (por exemplo, google.com, av.com, citeseer.ist.psu.edu), porém um problema neste tipo de aplicação constitui-se na necessidade do usuário apresentar os termos (palavras-chave) que são relevantes para a consulta. filtragem de informação, tendo como representante os Sistemas de Recomendação, surge como uma nova abordagem que procura liberar o usuário da exigência de criar consultas com palavras-chave, ou seja, a filtragem baseada em conteúdo procura casar o perfil do usuário e o conteúdo dos itens a serem recomendados, e então, oferecer alguns destes itens aos usuários. Por fim...

Emergence of Spontaneous Order Through Neighborhood Formation in Peer-to-Peer Recommender Systems

Diaz-Aviles, Ernesto; Schmidt-Thieme, Lars; Ziegler, Cai-Nicolas
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 23/12/2008
Relevância na Pesquisa
56.55%
The advent of the Semantic Web necessitates paradigm shifts away from centralized client/server architectures towards decentralization and peer-to-peer computation, making the existence of central authorities superfluous and even impossible. At the same time, recommender systems are gaining considerable impact in e-commerce, providing people with recommendations that are personalized and tailored to their very needs. These recommender systems have traditionally been deployed with stark centralized scenarios in mind, operating in closed communities detached from their host network's outer perimeter. We aim at marrying these two worlds, i.e., decentralized peer-to-peer computing and recommender systems, in one agent-based framework. Our architecture features an epidemic-style protocol maintaining neighborhoods of like-minded peers in a robust, selforganizing fashion. In order to demonstrate our architecture's ability to retain scalability, robustness and to allow for convergence towards high-quality recommendations, we conduct offline experiments on top of the popular MovieLens dataset.; Comment: WWW '05 International Workshop on Innovations in Web Infrastructure (IWI '05) May 10, 2005, Chiba, Japan

Exploiting Synergy Between Ontologies and Recommender Systems

Middleton, Stuart E.; Alani, Harith; De Roure, David C.
Fonte: Universidade Cornell Publicador: Universidade Cornell
Tipo: Artigo de Revista Científica
Publicado em 08/04/2002
Relevância na Pesquisa
56.66%
Recommender systems learn about user preferences over time, automatically finding things of similar interest. This reduces the burden of creating explicit queries. Recommender systems do, however, suffer from cold-start problems where no initial information is available early on upon which to base recommendations. Semantic knowledge structures, such as ontologies, can provide valuable domain knowledge and user information. However, acquiring such knowledge and keeping it up to date is not a trivial task and user interests are particularly difficult to acquire and maintain. This paper investigates the synergy between a web-based research paper recommender system and an ontology containing information automatically extracted from departmental databases available on the web. The ontology is used to address the recommender systems cold-start problem. The recommender system addresses the ontology's interest-acquisition problem. An empirical evaluation of this approach is conducted and the performance of the integrated systems measured.; Comment: Semantic web conference, WWW2002, 10 pages

Website recommender systems as prescriptive determiners in the decision making process; Os sistemas de recomendação na web como determinantes prescritivos na tomada de decisão

Colmenero-Ferreira, Fernando; Oliveira, Adicinéia Aparecida de
Fonte: Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade Publicador: Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade
Tipo: info:eu-repo/semantics/article; info:eu-repo/semantics/publishedVersion; Formato: application/pdf
Publicado em 01/08/2012 POR
Relevância na Pesquisa
66.42%
Overwhelmed by an extremely large volume of information on the Internet, it is difficult for a user to keep informed without a huge effort involved. The information that abounds on the Internet does not simplify the process of choice. In parallel, companies, in order to retain their consumers, more often use recommender systems on their websites, and their users seem to regard this alternative as a prescriptive strategy to solve their problems in their search for information and the consequent decision making process. How can recommendations influence a decision making process? By isolating this question it was possible to find the attributes that defined ways and objectives to begin this research. In the materialization of the research, the choice of elements in laboratory environments was rejected; instead, the research focuses its attention on real people, who perform real tasks in real conditions as well as on the process through which decisions are made in each individual´s environment. A qualitative approach is adopted related to the natural process of search for the information produced in a quasi-experimental basis. The results of the research show that, in order to solve one´s decision making problems in the phase of information search...

Sistemas de recomendação em redes sociais; Recommender systems in social networks

Valois B. Jr, Cleomar; Oliveira, Marcius Armada de
Fonte: Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade Publicador: Universidade de São Paulo. Faculdade de Economia, Administração e Contabilidade
Tipo: info:eu-repo/semantics/article; info:eu-repo/semantics/publishedVersion; ; ; ; ; Formato: application/pdf
Publicado em 01/12/2011 ENG
Relevância na Pesquisa
66.6%
The continued and diversified growth of social networks has changed the way in which users interact with them. With these changes, what once was limited to social contact is now used for exchanging ideas and opinions, creating the need for new features. Users have so much information at their fingertips that they are unable to process it by themselves; hence, the need to develop new tools. Recommender systems were developed to address this need and many techniques were used for different approaches to the problem. To make relevant recommendations, these systems use large sets of data, not taking the social network of the user into consideration. Developing a recommender system that takes into account the social network of the user is another way of tackling the problem. The purpose of this project is to use the theory of six degrees of separation (Watts 2003) amongst users of a social network to enhance existing recommender systems.

Applying the Technology Acceptance Model to Evaluation of Recommender Systems

Armentano,Marcelo G.; Christensen,Ingrid; Schiaffino,Silvia
Fonte: Instituto Politécnico Nacional, Centro de Innovación y Desarrollo Tecnológico en Cómputo Publicador: Instituto Politécnico Nacional, Centro de Innovación y Desarrollo Tecnológico en Cómputo
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/06/2015 EN
Relevância na Pesquisa
66.66%
In general, the study of recommender systems emphasizes the efficiency of techniques to provide accurate recommendations rather than factors influencing users' acceptance of the system; however, accuracy alone cannot account for users' satisfying experience. Bearing in mind this gap in the research, we apply the technology acceptance model (TAM) to evaluate user acceptance of a recommender system in the movies domain. Within the basic TAM model, we incorporate a new latent variable representing self-assessed user skills to use a recommender system. The experiment included 116 users who answered a satisfaction survey after using a movie recommender system. The results evince that perceived usefulness of the system has more impact than perceived ease of use to motivate acceptance of recommendations. Additionally, users' previous skills strongly influence perceived ease of use, which directly impacts on perceived usefulness of the system. These findings can assist developers of recommender systems in their attempt to maximize users' experience.

Let’s go to the cinema!: A movie recommender system for ephemeral groups of users

Fonte: CLEI Electronic Journal Publicador: CLEI Electronic Journal
Tipo: Artigo de Revista Científica Formato: text/html
Publicado em 01/08/2015 EN
Relevância na Pesquisa
56.46%
Going to the cinema or watching television are social activities that generally take place in groups. In these cases, a recommender system for ephemeral groups of users is more suitable than (well-studied) recommender systems for individuals. In this paper we present a recommendation system for groups of users that go to the cinema. The system uses the Slope One algorithm for computing individual predictions and the Multiplicative Utilitarian Strategy as a model to make a recommendation to an entire group. We show how we solved all practical aspects of the system; including its architecture and a mobile application for the service, the lack of user data (ramp-up and cold-start problems), the scaling fit of the group model strategy, and other improvements in order to reduce the response time. Finally, we validate the performance of the system with a set of experiments with 57 ephemeral groups.