Garrozi, CíceroBrochardt, Rodrigo Nativo do Brasil2024-06-132024-06-132024-03-04BROCHARDT, Rodrigo Nativo do Brasil. Utilização de filtragem colaborativa no auxílio de recomendação personalizada para leitores de mangá. 2024. 60 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2024.https://repository.ufrpe.br/handle/123456789/5769Este trabalho investigou, elaborou e comparou duas abordagens para a geração de recomendações de mangás: o modelo de Decomposição em Valores Singulares (SVD) e o Coeficiente de Correlação de Pearson. A metodologia envolveu a preparação dos dados a partir do desenvolvimento e execução de um rastreador web para extrair informações de obras de mangá e avaliações de um fórum bastante movimentado na internet. As dificuldades que surgem para a aplicabilidade destes métodos de extração de dados, bem como alternativas para lidar com situações de bloqueio da fonte, treinamento dos modelos de recomendação e avaliação de desempenho, foram abordadas, com foco na filtragem colaborativa e recomendações personalizadas para perfis de usuários e para obras de mangá. Na implementação do SVD, foi possível identificar padrões latentes nos dados de avaliação dos usuários, permitindo recomendações personalizadas com base nas preferências individuais a partir do compartilhamento de experiências com perfis similares. No entanto, métricas como o Mean Absolute Error (MAE) e Root Mean Squared Error (RMSE) revelaram a necessidade de refinamento do modelo para melhorar sua precisão, assim como alternativas de implementações para realização de comparações e métricas relacionadas à massa de dados específica utilizada no trabalho. Por sua vez, a abordagem baseada no Coeficiente de Correlação de Pearson priorizou a similaridade entre as avaliações de mangás para gerar recomendações focadas em itens. Embora dependesse significativamente do número de avaliações disponíveis, essa metodologia ofereceu uma lógica direta e válida para recomendações personalizadas a partir dos relacionamentos advindos das avaliações. A conclusão destacou a possibilidade futura de explorar métodos híbridos que combinem as vantagens do SVD e do Coeficiente de Correlação de Pearson, visando alcançar recomendações mais precisas e abrangentes, bem como a possibilidade de validar técnicas que ofereçam abordagens diferentes de recomendação para obter um comparativo palpável. A utilização de dados adicionais reunidos na massa de dados gerada para enriquecer a qualidade das recomendações, a fim de utilizar parâmetros mais detalhados em sua recomendação, assim como a utilização de abordagens indiretas, como por exemplo, a utilização de LLMs para auxiliar no processo de recomendação. Por fim, o trabalho concluiu a importância dos avanços destas tecnologias de recomendação para facilitar a vida do leitor, auxiliando na filtragem de grandes conteúdos oferecidos pela indústria e internet.60 f.poropenAccesshttps://creativecommons.org/licenses/by-sa/4.0/deed.pt_BRSistemas de recomendação (filtragem de informações)Decomposição de valor singularAlgoritmos computacionaisMangábachelorThesisAtribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0)https://n2t.net/ark:/57462/001300000h26r