Estratégia para reduzir os problemas de Cold Start em sistemas de recomendação baseados em conteúdo

• Ano de defesa: 2024
• Autor(a) principal: Cezar, Nathália Locatelli
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• dARK ID: ark:/33523/0013000009gm9
• Idioma: por
• Palavras-chave em Português: Computação; Sistemas de recomendação (filtragem de informações); Interação homem-máquina; Ferramentas de busca; Sistemas de filtragem de informação
• Link de acesso: https://repositorio.udesc.br/handle/UDESC/11373

Com o aumento de informações disponibilizadas usando Tecnologia da Informação (TI) nos últimos anos, os usuários passaram a encontrar na Internet assuntos que lhe interessam. Entretanto os usuários ainda tendem a ter dificuldades de encontrar trabalhos relevantes a sua pesquisa. Sistemas de Recomendação (SRS) são ferramentas de software e técnicas que auxiliam a lidar com a sobrecarga de informações encontradas atualmente. Todavia, mesmo com todo avanço na área de Sistemas de Recomendação, existe um problema bastante conhecido e ainda não solucionado, o Cold Start User. Este problema surge quando o sistema não consegue criar possíveis recomendações confiáveis devido à falta de dados suficientes sobre o perfil do usuário. Algumas técnicas são utilizadas para lidar com este problema no momento da criação do perfil inicial do usuário, porém grande parte utiliza histórico do usuário ou de outros usuários ou fontes externas. Nesse contexto, o objetivo deste trabalho é apresentar uma técnica para minimizar o Cold Start User a partir da criação de um perfil inicial do usuário em uma abordagem Baseada em Conteúdo. Para tal, foi desenvolvido um Sistema de Recomendação de artigos utilizando uma proposta de construção do perfil inicial sem nenhum tipo de informação prévia. Para a criação do perfil inicial, foi proposto uma estratégia que apresenta pares de itens para que o usuário selecione um, dois ou nenhum item do par, e a cada escolha, informações são adicionadas ao perfil do usuário sendo posteriormente geradas recomendações aos usuários. A avaliação da estratégia ocorreu em duas etapas, em que foram realizados, em sistema de recomendação que utiliza a estratégia, testes funcionais com estudantes da graduação em Computação e após, uma avaliação experimental com um grupo de estudantes de graduação e pós-graduação, além de especialistas. Com as avaliações foram obtidos feedbacks e sugestões de melhoria tanto nos aspectos de design quanto nas funcionalidades do sistema e nas recomendações geradas. Constatou-se que a estratégia proposta trouxe um resultado positivo em relação aos testes realizados e pode ser considerada para aplicação em trabalhos futuros que aprofundem a avaliação de sua contribuição para redução do Cold Star User.