Características de personalidade identificadas via textos aplicadas à recomendação por filtragem colaborativa.

• Ano de defesa: 2021
• Autor(a) principal: AGUIAR, Janderson Jason Barbosa.
• Orientador(a): ARAÚJO, Joseana Macêdo Fechine Régis de. , COSTA, Evandro de Barros.
• Banca de defesa: MOURA, José Antão Beltrão., ANDRADE, Nazareno Ferreira de., VIEIRA, Thales Miranda de Almeida., DORÇA, Fabiano Azevedo.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: Ciência da Computação; Sistemas de recomendação; Personalidade; Filtragem colaborativa; Metodologia e técnicas da computação; Computer science; Recommender systems; Personality; Collaborative filtering; Computing methodology and techniques; Ciencia de la computación; Sistemas de recomendación
• Área do conhecimento CNPq: Ciência da Computação
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/23654

A quantidade de recursos digitais tende a aumentar com o crescente uso das tecnologias de informação e comunicação em diversos domínios, como comércio eletrônico, e-learning e turismo. Nesse contexto, há os Sistemas de Recomendação (SR), visando a, por exemplo, direcionar os recursos mais adequados aos usuários. Há pesquisadores que consideram a personalidade dos usuários ao elaborar estratégias para SR. Muitos deles partem da premissa “pessoas similares quanto a personalidade tendem a preferir itens similares” e aplicam a personalidade em SR via Filtragem Colaborativa (FC); porém, não foram encontradas pesquisas investigando se, com a colaboração enfocada na opinião de usuários com personalidade similar, a acurácia de quaisquer algoritmos de FC seria, no mínimo, mantida. Além disso, a maioria das pesquisas não emprega meios automáticos para reconhecimento de personalidade (APR—Automatic Personality Recognition) e desconsidera que os diferentes componentes representativos da personalidade podem ter diferentes influências no processo de recomendação. Ademais, essas pesquisas comumente se concentram em cenários específicos (a exemplo de situações de cold-start). Destarte, nesta tese, é apresentada uma investigação, em cenários gerais, com o objetivo de melhorar a acurácia em SR ao aplicar informações referentes à personalidade humana, obtidas sem o uso dos tradicionais questionários de personalidade. Com o estudo experimental realizado, (i) os resultados de estudos iniciais que utilizaram questionários para identificar a personalidade foram reforçados; (ii) verificou-se que a acurácia de um algoritmo de FC pode ser afetada quando o algoritmo desconsidera a opinião de usuários menos similares quanto à personalidade (tendendo a melhorar a acurácia de algoritmos baseados em memória); (iii) averiguou-se que os componentes empregados para definir a personalidade influenciam de modo diferente na acurácia das recomendações, embora não seja adequado focar em componentes específicos e ignorar outros; e (iv) foram propostas e avaliadas novas estratégias para SR aplicando a personalidade dos usuários. Considerando-se os resultados obtidos, esta tese destaca ser pertinente o uso de características de personalidade dos usuários em SR baseados em FC (sem a necessidade de preenchimento de questionários específicos para identificar tais características), especialmente em estratégias híbridas de recomendação, dado que, embora seja válido considerar a personalidade em um processo de recomendação personalizada, tal fator não é o único aspecto importante.