Análise e seleção de algoritmos de filtragem de informação para solução do problema cold-start item

dc.contributorMarchi, Jerusa
dc.contributorGreghi, Juliana Galvani
dc.contributorEsmin, Ahmed Ali Abdalla
dc.contributorCastro, Cristiano Leite de
dc.creatorLázaro, Alexsandra da Silva
dc.date2015-04-15T18:44:26Z
dc.date2015-04-15T18:44:26Z
dc.date2015-04-15
dc.date2010
dc.date.accessioned2023-09-28T20:07:39Z
dc.date.available2023-09-28T20:07:39Z
dc.identifierLÁZARO, A. S. Análise e seleção de algoritmos de filtragem de informação para solução do problema cold-start item. 2010. 65 p. Monografia (Graduação em Sistemas de Informação) - Universidade Federal de Lavras, Lavras, 2010.
dc.identifierhttp://repositorio.ufla.br/jspui/handle/1/5316
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9045092
dc.descriptionIt is currently difficult for people to manage the growing volume of information available on the Internet. One example occurs when a consumer must choose among a lot of products available in e-commerce website. To offer their products and help consumers to choose the most relevant to them e-commerce companies use recommender systems. Such systems generally make use of techniques of information filtering to generate relevant recommendations. But when there are none or few data (ratings, purchases, searches, etc.) about items, the filtering algorithms do not provide good results. This problem is called Cold- Start Item. This work makes a detailed study of the most relevant information filtering algorithms of the last decade that can solve the Cold-Start Item problem and presents a analysis of these algorithms in order to identify the most promising one. This work is being developed in partnership with the company Chaordic Systems of Florianópolis and the results presented here will be used to develop algorithms for an recommender system developed by the company.
dc.descriptionAtualmente torna-se difícil para as pessoas gerenciar o crescente volume de informação disponível na Internet. Exemplo disso ocorre quando um consumidor precisa escolher dentre uma grande quantidade de produtos disponíveis em websites de comércio eletrônico. Para ofertar seus produtos e ajudar consumidores na escolha do que lhes seja mais relevante, empresas de comércio eletrônico utilizam os sistemas de recomendação. Tais sistemas, em geral, fazem uso de técnicas de filtragem de informação para gerar recomendações relevantes. Porém, quando não existem ou são escassos os dados (avaliações, compras, buscas, etc.) sobre os itens, os algoritmos de filtragem não apresentam bons resultados. Este problema é denominado Cold-Start Item. Este trabalho realiza um estudo detalhado dos algoritmos de filtragem de informação mais relevantes da última década que possam solucionar o problema Cold-Start Item e apresenta uma análise destes algoritmos visando identificar os mais promissores. Este trabalho vem sendo desenvolvido em parceria com a empresa Chaordic Systems de Florianópolis e os resultados aqui apresentados serão utilizados no desenvolvimento de algoritmos para um sistema de recomendação desenvolvido pela empresa.
dc.formatapplication/pdf
dc.languagept_BR
dc.rightsacesso aberto
dc.subjectSistemas de Recomendação
dc.subjectFiltragem de Informação
dc.subjectFiltragem Baseada em Conteúdo
dc.subjectFiltragem Colaborativa
dc.subjectFiltragem Híbrida e problema Cold-Start Item
dc.titleAnálise e seleção de algoritmos de filtragem de informação para solução do problema cold-start item
dc.typeTCC


Este ítem pertenece a la siguiente institución