Aprendizado neural de representação de conteúdo para sistema de recomendação de filmes

• Ano de defesa: 2017
• Autor(a) principal: Rassweiler Filho, Ralph José
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul; Faculdade de Informática; Brasil; PUCRS; Programa de Pós-Graduação em Ciência da Computação
• Palavras-chave em Português: Sistemas de Recomendação; Redes Neurais Convolucionais; Reconhecimento de Padrões; Filtragem Baseada em Conteúdo; CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
• Link de acesso: http://tede2.pucrs.br/tede2/handle/tede/7740

Sistemas de recomendação são softwares cujo propósito é gerar listas personalizadas, de acordo com as preferências de usuários. A área é bastante recente e está em expansão desde a popularização da internet tendo suas raízes em recuperação de informação. Dos dois tipos tradicionais de sistemas de recomendação, a filtragem colaborativa é a mais utilizada na academia e na indústria por trazer melhores resultados que o segundo tipo, a filtragem baseada em conteúdo. Este último sofre de problemas tais como a falta de informação semântica e a dificuldade em extrair conteúdo dos itens. Atualmente há uma maior disponibilidade de conteúdo de itens na forma de recursos multimídia tais como vídeos, imagens e texto. Também houve avanços no reconhecimento de padrões em imagens através de técnicas como as redes neurais convolucionais. Neste trabalho, propõe-se utilizar uma rede neural convolucional como extratora de atributos dos quadros que compõe trailers de filmes que servem como base para um sistema de recomendação baseado em conteúdo com o objetivo de avaliar se o sucesso destas redes em tarefas como classificação de imagens e detecção de objetos também ocorre no contexto de recomendações. Para esta avaliação, comparou-se o método proposto com um método de detecção de estética de mídia, dois métodos de extração de conteúdo de texto usando TF-IDF e os tradicionais métodos colaborativos entre usuários e itens. Os resultados obtidos mostram que o método proposto neste trabalho é superior aos demais métodos baseados em conteúdo e é competitivo com os métodos colaborativos, superando o método colaborativo entre itens na métrica que representa acurácia de classificação e também, superando todos os outros métodos com relação ao tempo de execução. Concluiu-se que o método que utiliza redes neurais convolucionais para representar itens é promissor para o contexto de sistemas de recomendação.