Um modelo baseado na evolução temporal de consumo e sua aplicação em domínios de recomendação

  • Camila Araujo UFMG
  • Fernando Mourão UFMG
  • Wagner Meira Jr. UFMG

Resumo


Em domínios de recomendação o gosto dos usuários, bem como o próprio domínio, varia ao longo do tempo. Porém, essa evolução é pouco compreendida na literatura. Um maior entendimento deste processo permitiria melhorar as recomendações. Neste trabalho, modelamos a evolução temporal de forma a identificar itens potencialmente relevantes para recomendação. Utilizamos o conceito de transições evolutivas representativas, transições entre quaisquer par de itens ao longo do tempo, e extraímos tais transições através da modelagem proposta. Além disso, realizamos experimentos para validar nossa premissa de que transições evolutivas representativas existem e são: mensuráveis, relevantes, úteis e não óbvias.

Referências

Adomavicius, G. and Tuzhilin, A. (2005). Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. IEEE Trans. on Knowl. and Data Eng., 17(6):734–749.

Burke, R. (2002). Hybrid recommender systems: Survey and experiments. User Modeling and User-Adapted Interaction, 12(4):331–370.

Campos, P. G., Diez, F., and Sanchez-Montanes, M. A. (2011). Towards a more realistic evaluation: testing the ability to predict future tastes of matrix factorization-based recommenders. In Mobasher, B., Burke, R. D., Jannach, D., and Adomavicius, G., editors, RecSys, pages 309–312. ACM.

Chung, F. and Zhao, W. Pagerank and random walks on graphs.

Cremonesi, P. and Turrin, R. (2010). Controlling consistency in top-n recommender systems. In Fan, W., Hsu, W., Webb, G. I., 0001, B. L., Zhang, C., Gunopulos, D., and Wu, X., editors, ICDM Workshops, pages 919–926. IEEE Computer Society.

Lovász, L. (1996). Random walks on graphs: A survey. In Miklós, D., Sós, V. T., and Szõnyi, T., editors, Combinatorics, Paul Erdõs is Eighty, volume 2, pages 353–398.

János Bolyai Mathematical Society, Budapest.

Mour˜ao, F., Fonseca, C., Araújo, C., and Meira Jr, W. (2011). The oblivion problem: Exploiting forgotten items to improve recommendation diversity. In Proc. of the workshop DiveRS, Chicago, IL, USA.

Ricci, F., Rokach, L., and Shapira, B. (2011). Introduction to recommender systems handbook. Recommender Systems Handbook, pages 1–35.

Schwartz, B. (2005). The Paradox of Choice: Why More Is Less. Harper Perennial.

Zhang, M. and Hurley, N. (2008). Avoiding monotony: Improving the diversity of recommendation lists. In Proceedings of the 2008 ACM Conference on Recommender Systems, RecSys ’08, pages 123–130, New York, NY, USA. ACM.
Publicado
28/07/2014
ARAUJO, Camila; MOURÃO, Fernando; MEIRA JR., Wagner. Um modelo baseado na evolução temporal de consumo e sua aplicação em domínios de recomendação. In: CONCURSO DE TRABALHOS DE INICIAÇÃO CIENTÍFICA DA SBC (CTIC-SBC), 33. , 2014, Brasília. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2014 . p. 81-90.