TCC - Bacharelado em Ciência da Computação (Sede)
URI permanente para esta coleçãohttps://arandu.ufrpe.br/handle/123456789/415
Navegar
Item Melhorando recomendações baseadas no contexto com classificação de texto para sistemas de recomendação de domínios cruzados(2023-09-21) Liu, Jen Horng; Silva, Douglas Véras e; Pacífico, Luciano Demétrio Santos; http://lattes.cnpq.br/9521600706234665; http://lattes.cnpq.br/2969243668455081; http://lattes.cnpq.br/7294715956605990Os sistemas de recomendação sensíveis ao contexto (CARS) ganharam atenção substancial por sua capacidade de melhorar a precisão das recomendações, considerando vários fatores contextuais. Contudo, a integração eficaz de informações contextuais em diversos domínios continua a ser um desafio. Este artigo apresenta uma nova metodologia para inferir informações contextuais usando técnicas de classificação de texto, e avalia seu impacto no desempenho de um Sistema de Recomendação Sensível ao Contexto de Domínios Cruzados (CD-CARS). Nossa metodologia envolve o préprocessamento de dados textuais e a utilização de Support Vector Machines (SVM) para inferência de contexto. Através de uma avaliação extensa, analisamos os efeitos da integração do contexto inferido nos algoritmos do CD-CARS. Os resultados experimentais demonstram que a metodologia proposta produz maior precisão e relevância das recomendações em diferentes domínios. As conclusões destacam o potencial de aproveitar técnicas de classificação de texto para melhorar as recomendações sensíveis ao contexto, contribuindo assim para o avanço dos sistemas de recomendação em cenários de domínios cruzados.