| dc.contributor | REN, Tsang Ing | |
| dc.contributor | CAVALCANTI, George Darmiton da Cunha | |
| dc.contributor | http://lattes.cnpq.br/3084134533707587 | |
| dc.creator | CARVALHO, Maria Aparecida Amorim Sibaldo de | |
| dc.date | 2016-08-08T13:00:48Z | |
| dc.date | 2016-08-08T13:00:48Z | |
| dc.date | 2016-02-23 | |
| dc.identifier | https://repositorio.ufpe.br/handle/123456789/17641 | |
| dc.description | Os sistemas de recomendação fazem uso de algoritmos para facilitar a busca de itens de
interesse do usuário. Esta tese apresenta uma solução para recomendação através do agrupamento
em redes complexas, dado que este encontra padrões que beneficiam a recomendação. É utilizada
a métrica de modularidade para auxiliar na divisão de uma rede em grupos e, com base nesse
agrupamento, realizar recomendação. Assim, foram propostos dois métodos de recomendação
baseados em modularidade, dois algoritmos de agrupamento e uma nova métrica de modularidade.
O primeiro método proposto estima o peso da aresta entre dois elementos em uma rede bipartida
(usuário e item) após a formação de grupos e faz uso das arestas do grupo do item. O método
citado anteriormente serviu de inspiração para o segundo método, o qual faz uso das arestas entre
grupos. Para este segundo método foram propostos dois algoritmos: AMV (Agrupamento com
Movimento de Vértices), o qual realiza os agrupamentos com diversas métricas existentes; e o
AMA (Agrupamento com Movimento de Arestas), o qual realiza agrupamentos apenas com a
métrica proposta. O algoritmo AMA tem um tempo de processamento menor que o AMV. Com
as observações realizadas na segunda proposta, uma nova métrica de modularidade foi elaborada
para melhorar a recomendação. Esta modularidade possui maior valor quando os pesos dos
relacionamentos entre os grupos são semelhantes. A primeira proposta se mostrou adequada
para o problema e obteve o 6º lugar na competição do RecSys 2014. A segunda proposta obteve
resultados comparativos equivalentes ao de métodos de recomendação no estado-da-arte. A
métrica proposta mostrou-se adequada para a recomendação. | |
| dc.description | CAPEs | |
| dc.description | This thesis uses the modularity metric to assist in dividing a network into groups and,
based on this grouping, apply recommendation procedure. We propose two methods of recommendation
based on modularity, two grouping algorithm and also a new metric of modularity.
The first method proposed estimates the rating between two nodes in a bipartite network after
grouping it, for this estimation the item’s group is used. The first method was the inspiration
for the second one: which uses the edges between groups to estimate the edges weight. Two
algorithms were created for this second method: AMV (grouping with vertex movement), which
can be used with different modularity metrics; and AMA (grouping with edges moviment),
which makes use of the modularity metric proposed here and is faster than the previous one. A
different modularity metric was proposed to improve the recommendation system. This modularity
has greater value when the weights of relationships between groups are similar. The first
proposal was adequate to the problem and obtained the 6th place in the RecSys Challenge 2014
competition. The second proposal has equivalent results compared to other recommendations
methods in the state of the art. The experiments with the proposal metric showed that this metric
is adequate to recommender systems. | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Pernambuco | |
| dc.publisher | UFPE | |
| dc.publisher | Brasil | |
| dc.publisher | Programa de Pos Graduacao em Ciencia da Computacao | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | |
| dc.subject | Sistemas de recomendação | |
| dc.subject | Redes complexas | |
| dc.subject | Agrupamento em redes complexas | |
| dc.subject | Métrica de modularidade | |
| dc.subject | Recommender systems | |
| dc.subject | Complex networks | |
| dc.subject | Clustering in complex networks | |
| dc.subject | Modularity metric | |
| dc.title | Recomendação baseada em modularidade | |
| dc.type | doctoralThesis | |
