Candidato: Augusto Queiroz de Macedo Título do trabalho: Aprendizagem Multirrelacional para Recomendação em Redes Sociais de Eventos Orientador(es): Leandro Balby Marinho Data: 27/11/2013 Horário: 16h Local: Auditório do LSD Banca examinadora: Herman M. Gomes e Nazareno Andrade Resumo: Nos últimos anos, redes sociais baseadas em eventos (EBSNs), tais como o Meetup (www.meetup.com) e Eventful (www.eventful.com), ganharam bastante notoriedade por causa de sua habilidade em conectar pessoas ao redor dos eventos que elas participaram no passado e provavelmente participarão no futuro. Eventos são criados todos os dias com diferentes facetas e objetivos. Por exemplo, encontros informais, reuniões periódicas, atividades ao ar livre, concertos músicais, eventos esportivos e muitos outros. Devido à grande quantidade de eventos disponíveis o tempo todo, especialmente em grandes metrópoles e cidades turísticas, tem se tornado bastante difícil para os usuários, encontrarem os eventos que melhor se adequam aos seus interesses. Sistemas de recomendação aparecem como uma solução natural para esse problema. A recomendação de eventos, entretanto, é bastante diferente do cenário clássico de recomendação (e.g. recomendação de filmes), onde os itens recomendáveis já foram acessados ou avaliados por outros usuários do sistema. Em EBSNs, os eventos candidatos a serem recomendados estão sempre no futuro, portanto, a princípio, só se pode usar a intenção dos usuários em participar ou não do evento e, a partir daí, extrair feedback positivo ou negativo sobre os eventos para alimentar o modelo de recomendação escolhido. Felizmente, EBSNs são ricas em informações contextuais, como, por exemplo, as redes sociais dos usuários, as categorias dos eventos e a localização geográfica dos usuários e dos eventos. Essas informações certamente influenciam as preferências do usuário por um evento e, se exploradas apropriadamente, podem ajudar a melhorar a qualidade das recomendações. Dessa forma, propomos a modelagem da recomendação de eventos através da aprendizagem multirrelacional que se utiliza explicitamente dos dados contextuais representando-os através de relações auxiliares entre os usuários, eventos e outras entidades como o tempo e a localização. Os modelos buscarão realizar recomendações não somente acuradas, mas que também escalem com o crescimento dos dados, que garantam uma cobertura dos itens e usuários dentre outras propriedades igualmente importantes para a satisfação dos usuários. |