Filtragem baseada em conteúdo auxiliada por métodos de indexação colaborativa

Resumo

Sistemas de recomendação baseados em conteúdo dependem da disponibilidade de metadados a fim de filtrar conteúdo relevante para um indivíduo em particular. Estas informações podem ser criadas a partir de técnicas de indexação automática e manual. Enquanto que nas abordagens automáticas é necessário restringir o domínio de dados, já que se realizam análises dos dados em baixo nível procurando inferir informações de alto nível, os métodos manuais são caros e propensos a erros. Por outro lado, com a expansão da Web e a possibilidade de usuários comuns criarem novos conteúdos e anotações sobre diferentes itens e produtos, uma alternativa é obter esses metadados criados colaborativamente pelos próprios usuários. Entretanto, essas informações, como palavras-chave, revisões, comentários, etc., podem conter ruídos, além de estarem em uma forma não padronizada e desestruturada. Deste modo, este trabalho tem como objetivo desenvolver um sistema de recomendação baseado em descrições colaborativas. A fim de reduzir a quantidade de ruídos e lidar com os dados não estruturados, pretende-se desenvolver um método que aplica diferentes técnicas de redução de dimensionalidade, extração de características e aprendizado de máquina para se obter uma versão rica semanticamente e padronizada a respeito dos itens passíveis de serem recomendados.