OnAIR2.0: integração entre múltiplas ontologias: reuso e gerência de conflitos
Organização Semântica de Anotações Colaborativas de Usuários Aplicada em Sistemas ...
Explorando anotações colaborativas em sistemas de recomendação híbridos
Processo: | 13/10756-5 |
Modalidade de apoio: | Bolsas no Brasil - Mestrado |
Vigência (Início): | 01 de dezembro de 2013 |
Vigência (Término): | 28 de fevereiro de 2015 |
Área do conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação |
Pesquisador responsável: | Marcelo Garcia Manzato |
Beneficiário: | Rafael Martins Daddio |
Instituição Sede: | Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil |
Assunto(s): | Metadados Sistemas de recomendação |
Palavra(s)-Chave do Pesquisador: | indexação colaborativa | Metadados | recomendação baseada em conteúdo | Sistemas de recomendação |
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. | |
Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
Mais itensMenos itens | |
TITULO | |
Matéria(s) publicada(s) em Outras Mídias ( ): | |
Mais itensMenos itens | |
VEICULO: TITULO (DATA) | |
VEICULO: TITULO (DATA) | |