Extração de contexto de reviews para sistemas de recomendação utilizando mineração de textos e opiniões

• Ano de defesa: 2019
• Autor(a) principal: Sundermann, Camila Vaccari
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Context; Contexto; Mineração de opiniões; Mineração de textos; Opinion mining; Recommender systems; Sistemas de recomendação; Text mining
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-18032020-094344/

Atualmente, com a grande sobrecarga de informações, serviços e produtos disponíveis na Web, os usuários tem encontrado dificuldades em identificar o que de fato é relevante para seus interesses e preferências. Sendo assim, sistemas de recomendação estão sendo desenvolvidos e implantados em um número cada vez maior de sites e aplicações com o objetivo de auxiliar os usuários sugerindo itens que atendam às suas preferências e necessidades. A tendência nessa área é a utilização de informações relevantes com o objetivo de gerar recomendações mais personalizadas e precisas aos usuários. Estudos comprovam que o uso de informação contextual tem viabilizado a obtenção de bons resultados na recomendação. Um dos grandes desafios encontrados na área de sistemas de recomendação sensíveis ao contexto refere-se à carência de métodos automáticos para a extração desse tipo de informação. Por outro lado, com o avanço da Web 2.0 e a crescente popularidade de redes sociais e comércio eletrônico, usuários têm sido cada vez mais encorajados a escrever reviews descrevendo suas opiniões sobre os itens. Dessas reviews podem ser extraídas informações importantes a serem utilizadas em sistemas de recomendação como contexto e opiniões. Com isso, o propósito geral deste trabalho de doutorado é avançar as pesquisas da área de sistemas de recomendação sensíveis ao contexto, em especial na extração automática de informações contextuais. Para atender aos objetivos do trabalho, foi realizada uma revisão sistemática da literatura de sistemas de recomendação sensíveis ao contexto que utilizam mineração de opiniões. Levando em consideração a carência de métodos automáticos de extração de contexto assim como a relevância das informações extraídas de reviews de usuários para os sistemas de recomendação, neste trabalho de doutorado foram propostos: (i) um método de recomendação sensível ao contexto, CARM-TOM, que executa desde o pré-processamento das reviews até a geração das recomendações utilizando informações contextuais; (ii) CIET.5embed, uma técnica de extração de contexto baseada em word embeddings; (iii) uma técnica de extração de contexto baseada em regras de associação, a RulesContext; e (iv) uma técnica de extração de contexto baseada em mineração de opiniões no nível dos aspectos, a CEOM. Essas propostas foram avaliadas considerando a base de reviews Yelp, sistemas de recomendação baseados nos vizinhos mais próximos, sistemas de recomendação baseados em fatoração de matrizes e diferentes baselines. Os resultados demonstraram que o uso das informações extraídas pelas técnicas propostas levaram a geração de recomendações mais precisas.