Defesa de Dissertação de Mestrado N.º 537 - Antonio Alexandre Moura Costa, em 26/06, às 10hs

postado em 9 de jun de 2014 11:07 por Franklin de Souza Ramalho   [ 9 de jun de 2014 11:10 atualizado‎(s)‎ ]
Candidato: Antonio Alexandre Moura Costa
Título do trabalho: Uma Abordagem Centrada na Filtragem Colaborativa para Redução do Custo Computacional do Método k-Nearest Neighbors
Orientador(es): Hyggo Almeida e Angelo Perkusich

Data: 26/06/2014
Horário: 10h
Local: Auditório do CEEI

Banca examinadora: Hyggo Almeida e Angelo Perkusich (orientadores), Marcos Ricardo Alcântara de Morais (DEE/UFCG) e Leandro Balby Marinho (UFCG).

Resumo: Com o surgimento da Web 2.0 o volume de informações disponíveis na Internet cresceu acentuadamente, tornando cada vez mais difícil para o usuário alcançar a informação desejada. Sistemas de recomendação surgem como uma alternativa a esse problema, sugerindo conteúdo personalizado. A filtragem colaborativa é uma das abordagens mais eficazes na área de recomendação. Dentre os algoritmos colaborativos, os modelos baseados em fatores latentes constituem o estado da arte na área. Entretanto, tais modelos não conseguem fornecer uma justificativa para o item recomendado, o que em determinados domínios pode tornar a recomendação desinteressante e facilmente ignorada pelo usuário. Diante desse contexto, uma alternativa interessante é o k-Nearest Neighbors (kNN), um método simples, popular e capaz de fornecer excelentes resultados. Essa técnica gera recomendações a partir das avaliações dos usuários mais similares (vizinhos mais próximos) ao usuário alvo. Apesar de sua eficácia, o kNN apresenta um custo computacional elevado ao ser executado em grandes bases de dados, tornando sua aplicação inviável em alguns domínios. Neste trabalho objetiva-se melhorar o desempenho do kNN a partir da restrição do espaço de busca dos vizinhos mais próximos. O método proposto utiliza uma heurística de seleção baseada na escolha dos usuários que mais avaliaram itens. Como resultado, constatou-se que utilizando apenas 15% dos usuários na busca dos vizinhos, consegue-se reduzir significativamente o custo computacional, porém mantendo alto nível de acurácia.
Comments