Defesa de Dissertação de Mestrado N.º 545 - Iury Nunes Dewar, em 28/08, às 14hs

postado em 7 de ago de 2014 10:44 por Franklin de Souza Ramalho
Candidato: Iury Nunes Dewar
Título do trabalho: Reomc
Orientador(es): Leandro Balby Marinho

Data: 28/08/2014
Horário: 14h
Local: Auditório do CEEI

Banca examinadora: Leandro Balby Marinho (Oirentador), Adriano Veloso (Universidade Federal de Minas Gerais) e Cláudio de Souza Baptista (UFCG).

Resumo: As Redes Sociais Baseadas em Localização (RSBL) surgiram com o propósito de permitir que os usuários possam compartilhar com sua rede de amigos informações a respeito dos lugares que eles visitaram. Estes sistemas têm se tornado muito populares nos anos recentes principalmente pelo fato de que dispositivos equipados com GPS e capazes de se conectar a internet, como smartphones, estão mais acessíveis aos consumidores, desta forma os usuários podem compartilhar suas localizações mais facilmente. Neste contexto, a capacidade do sistema de recomendar novos lugares para que os usuários possam visitar pode melhorar a experiência destes usuários durante a utilização do sistema. As implementações mais comuns de sistemas de recomendação de lugares em RSBL, como o Foursquare, são baseados puramente na distância geográfica, ou seja, estes tipos de recomendadores não levam em consideração as preferências pessoais de cada usuário. Alguns recomendadores mais sofisticados propostos na literatura são baseados em uma combinação de modelos de filtragem colaborativa, modelos conscientes de contexto geográfico e modelos conscientes de contexto social. Algumas desvantagens de utilizar como recomendador final uma combinação de sub-modelos são: para cada sub-modelo é necessário ajustar os parâmetros e para cada requisição de recomendação é necessário executar mais de um modelo individualmente. Neste trabalho, estamos propondo um novo recomendador que consegue capturar as preferências entre usuário (de forma similar às técnicas de filtragem colaborativa) e informações geográficas em um único modelo baseado em difusão em grafos. A ideia é aprender um ranking personalizado de lugares a serem recomendados para cada usuário levando em consideração os lugares visitados por outros usuários com um gosto similar, as distâncias entre os lugares visitados e os lugares candidatos a recomendação, e as regiões as quais o usuário gosta mais de visitar. Validamos o nosso modelo através de experimentos conduzidos utilizando dados reais de duas RSBL: o Foursquare e o Gowalla. Os resultados dos experimentos demonstraram que, na maioria das cidades avaliadas, o nosso modelo apresentou uma acurácia maior do que os modelos presentes no estado-da-arte.
Comments