Melhorando recomendações baseadas no contexto com classificação de texto para sistemas de recomendação de domínios cruzados
Data
2023-09-21
Autores
Lattes da Autoria
Orientação Docente
Lattes da Orientação Docente
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Os 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.
Resumo em outro idioma
Context-aware recommender systems (CARS) have gained substantial attention for their ability to enhance recommendation accuracy by considering various contextual factors. However, effective integration of contextual information across diverse domains remains a challenge. This paper presents a novel methodology for inferring contextual information using text classification techniques and assesses its impact on the performance of a Cross-Domain Context-Aware Recommender System (CD-CARS). Our methodology involves preprocessing textual data and utilizing Support Vector Machines (SVM) for context inference. Through an extensive evaluation, we analyze the effects of integrating inferred context on the CD-CARS framework. Experimental results demonstrate that the proposed methodology yields improved recommendation accuracy and relevance across different domains. The findings highlight the potential of leveraging text classification techniques to enhance context-aware recommendations, thus contributing to the advancement of recommendation systems in cross-domain scenarios.
Descrição
Primeira publicação na Revista de Sistemas e Computação (UNIFACS) disponível no endereço: https://revistas.unifacs.br/index.php/rsc/article/view/8433.
Palavras-chave
Referência
LIU, Jen Horng. Melhorando recomendações baseadas no contexto com classificação de texto para sistemas de recomendação de domínios cruzados. 2023. 21 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2023.
Identificador dARK
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como openAccess