Co-clusterização em comitês de filtros colaborativos

Resumo

Os avanços em tecnologia de informação têm promovido a geração e coleta de quantidades sempre crescentes de dados, produzidos em praticamente todos os ramos de atuação humana. Há, portanto, demandas acentuadas voltadas para análise e extração de conhecimento desses dados, visando compreender melhor os processos envolvidos, detectar tendências e fundamentar planos estratégicos de empresas e corporações. Sistemas de recomendação vêm sendo empregados para este fim, e têm se mostrado capazes de promover aumento de produtividade, maximização da satisfação de clientes e economia de recursos. Este projeto de pesquisa tem por objetivo a implementação de ferramentas computacionais escaláveis para a síntese de comitês de filtros colaborativos, empregando: (1) projeção aleatória, para redução de dimensão dos dados; (2) co-clusterização, para fornecer múltiplas perspectivas de análise dos dados em filtragem colaborativa; (3) técnicas de aprendizado de máquina, como k vizinhos mais próximos, para síntese do comitê de filtros colaborativos. Serão tomados como casos de estudo: (1) Problemas de imputação de dados faltantes; e (2) Sistemas de apoio à detecção de padrões, como anomalias, em dados de atividade cerebral, assim como o projeto de interfaces homem-máquina customizadas. Ambas as aplicações envolvem áreas de alto interesse científico e corporativo, sendo que o caso de estudo (2) está vinculado ao projeto CEPID intitulado BRAINN (Instituto Brasileiro de Neurociência e Neurotecnologia), o que torna a proposta de elevado potencial de impacto para a sociedade.