Uma Arquitetura para a Recomendação de Consumidores de Queijo Artesanal Brasileiro
Resumo
Coletar informações de redes sociais se tornou essencial para a sobrevivência e modernização de muitas empresas. Com este objetivo, este trabalho apresenta uma arquitetura capaz de buscar, analisar e recomendar o conteúdo e a propagação de informações nas redes sociais, considerando o mercado de laticínios brasileiro. Usando ontologias e mecanismos de inferência, a arquitetura é capaz de suportar a classificação do conteúdo do usuário e apresentá-la através de mecanismos de visualização. Com essa arquitetura, buscamos apoiar pesquisas de mercado realizadas na Embrapa Gado de Leite. Os resultados obtidos em um estudo de viabilidade foram satisfatórios e mostraram que a arquitetura fornece suporte aos pesquisadores.
Palavras-chave:
sistema de recomendação, rede social, ontologia, big data, mineração de dados
Referências
Abel F., Gao Q., Houben GJ., Tao K. (2011) "Analyzing User Modeling on Twitter for Personalized News Recommendations", UMAP 2011, Lecture Notes in CS, p. 1-12.
Abu-Salih, B., Wongthongtham, P., & Chan, K. Y. (2018) “Twitter mining for ontologybased domain discovery incorporating machine learning”, Journal of Knowledge Management, p. 949-981.
Aggarwal, C. C. (2016) “An Introduction to Recommender Systems Recommender”, Springer International Publishing, p. 1-28.
Batmaz, Z.; Yurekli, A.; Bilge, A. & Kaleli, C. (2018) “A review on deep learning for recommender systems: challenges and remedies”, A.I. Review, p. 1-37.
Chen, Y., Yu, B., Zhang, X., & Yu, Y. (2016) “Topic modeling for evaluating students’ reflective writing: a case study of pre-service teachers’ journals”, Proceedings of the Sixth International Conference on LAK’16, ACM, p. 1-5.
Chianese, A.; Marulli, F. & Piccialli, F. (2016) “Cultural Heritage and Social Pulse: A Semantic Approach for CH Sensitivity Discovery in Social Media Data”, IEEE ICSC, p. 1-6.
Galletta, A., Carnevale, L., Celesti, A., Fazio, M., & Villari, M. (2018) “A Cloud-Based System for Improving Retention Marketing Loyalty Programs in Industry 4.0: A Study on Big Data Storage Implications”, IEEE Access, 6, 5485–5492.
Guarino, N. (1998) “Formal ontology in information systems”, Proceedings of the first international conference (FOIS'98), Trento, Italy IOS press, p. 3-15.
McAfee, A., Brynjolfsson, E., Davenport, T. H., Patil, D. J., & Barton, D. (2012) “Big data: the management revolution”, Harvard business review, p. 60–68.
Nardy, V. P. D. R., Carvalho, G. R. & da Rocha, D. T. (2019) “Mercado de leite fluido e queijos no Brasil: uma análise de 2005 a 2016”, Embrapa Gado de Leite, p. 1-5.
Nart, D. D., Degl'Innocenti, D., Basaldella, M., Agosti, M. & Tasso, C., (2016) “A Content-Based Approach to Social Network Analysis: A Case Study on Research Communities”, CCIS, Springer International Publishing, p. 142-154.
Pak, A., & Paroubek, P. (2010) “Twitter as a Corpus for Sentiment Analysis and Opinion Mining”, Proceedings of the 7th International Conference on LREC'10, p. 1320-1326.
Siqueira, K. B. (2019) “O mercado consumidor de leite e derivados”, Embrapa Gado de Leite - Circular Técnica (infoteca-e), p. 1-17.
Talamini, E. & Ferreira, G. M. V. (2010) “Merging netchain and social network: Introducing the social netchain concept as an analytical framework in the agribusiness sector”, African journal of business management, Academic Journals, p. 2981-2993.
Tao, K., Abel, F., Gao, Q. & Houben, G.-J. (2012) “TUMS: Twitter-Based User Modeling Service Lecture Notes in Computer Science”, Springer Berlin Heidelberg, p. 1-15.
Yang, X., Dong, M., Chen, X., & Ota, K. (2020) “Recommender System-Based Diffusion Inferring for Open Social Networks”, IEEE TCSS, p. 24–34.
Young, T., Hazarika, D., Poria, S. & Cambria, E. (2018) “Recent Trends in Deep Learning Based Natural Language Processing”, IEEE CIM, p. 55-75.
Abu-Salih, B., Wongthongtham, P., & Chan, K. Y. (2018) “Twitter mining for ontologybased domain discovery incorporating machine learning”, Journal of Knowledge Management, p. 949-981.
Aggarwal, C. C. (2016) “An Introduction to Recommender Systems Recommender”, Springer International Publishing, p. 1-28.
Batmaz, Z.; Yurekli, A.; Bilge, A. & Kaleli, C. (2018) “A review on deep learning for recommender systems: challenges and remedies”, A.I. Review, p. 1-37.
Chen, Y., Yu, B., Zhang, X., & Yu, Y. (2016) “Topic modeling for evaluating students’ reflective writing: a case study of pre-service teachers’ journals”, Proceedings of the Sixth International Conference on LAK’16, ACM, p. 1-5.
Chianese, A.; Marulli, F. & Piccialli, F. (2016) “Cultural Heritage and Social Pulse: A Semantic Approach for CH Sensitivity Discovery in Social Media Data”, IEEE ICSC, p. 1-6.
Galletta, A., Carnevale, L., Celesti, A., Fazio, M., & Villari, M. (2018) “A Cloud-Based System for Improving Retention Marketing Loyalty Programs in Industry 4.0: A Study on Big Data Storage Implications”, IEEE Access, 6, 5485–5492.
Guarino, N. (1998) “Formal ontology in information systems”, Proceedings of the first international conference (FOIS'98), Trento, Italy IOS press, p. 3-15.
McAfee, A., Brynjolfsson, E., Davenport, T. H., Patil, D. J., & Barton, D. (2012) “Big data: the management revolution”, Harvard business review, p. 60–68.
Nardy, V. P. D. R., Carvalho, G. R. & da Rocha, D. T. (2019) “Mercado de leite fluido e queijos no Brasil: uma análise de 2005 a 2016”, Embrapa Gado de Leite, p. 1-5.
Nart, D. D., Degl'Innocenti, D., Basaldella, M., Agosti, M. & Tasso, C., (2016) “A Content-Based Approach to Social Network Analysis: A Case Study on Research Communities”, CCIS, Springer International Publishing, p. 142-154.
Pak, A., & Paroubek, P. (2010) “Twitter as a Corpus for Sentiment Analysis and Opinion Mining”, Proceedings of the 7th International Conference on LREC'10, p. 1320-1326.
Siqueira, K. B. (2019) “O mercado consumidor de leite e derivados”, Embrapa Gado de Leite - Circular Técnica (infoteca-e), p. 1-17.
Talamini, E. & Ferreira, G. M. V. (2010) “Merging netchain and social network: Introducing the social netchain concept as an analytical framework in the agribusiness sector”, African journal of business management, Academic Journals, p. 2981-2993.
Tao, K., Abel, F., Gao, Q. & Houben, G.-J. (2012) “TUMS: Twitter-Based User Modeling Service Lecture Notes in Computer Science”, Springer Berlin Heidelberg, p. 1-15.
Yang, X., Dong, M., Chen, X., & Ota, K. (2020) “Recommender System-Based Diffusion Inferring for Open Social Networks”, IEEE TCSS, p. 24–34.
Young, T., Hazarika, D., Poria, S. & Cambria, E. (2018) “Recent Trends in Deep Learning Based Natural Language Processing”, IEEE CIM, p. 55-75.
Publicado
30/06/2020
Como Citar
SOARES, Nedson D.; BRAGA, Regina; DAVID, José Maria N.; SIQUEIRA, Kennya B.; STRÖELE, Victor; CAMPOS, Fernanda.
Uma Arquitetura para a Recomendação de Consumidores de Queijo Artesanal Brasileiro. In: BRAZILIAN E-SCIENCE WORKSHOP (BRESCI), 14. , 2020, Cuiabá.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 113-120.
ISSN 2763-8774.
DOI: https://doi.org/10.5753/bresci.2020.11189.
