Sistema de Recomendação de Pontos de Interesse em Recife com Filtragem Baseada em Conteúdo e Passaporte Pernambuco
Resumo
Recife tem grande potencial turístico, mas necessita de soluções digitais para promover seus Pontos de Interesse (POIs). A implementação de um sistema inteligente representa uma oportunidade de inovação no setor. Foi proposto um Sistema de Recomendação via Filtragem Baseada em Conteúdo, que usa TF-IDF e métricas de similaridade para correlacionar as preferências dos usuários com as características dos POIs. O sistema obteve 79% de precisão, 100% de taxa mínima de acerto e 86% de cobertura, demonstrando bom desempenho em cenários de cold start, apesar da superexposição de alguns POIs. Sendo assim, o modelo mostrou eficácia na recomendação personalizada, apresentando potencial para impulsionar o turismo local.Referências
Achakulvisut, T., Acuna, D. E., Ruangrong, T., and Kording, K. (2016). Science Concierge: A Fast Content-Based Recommendation System for Scientific Publications. PLOS ONE, 11(7):e0158423.
Aggarwal, C. C. (2016). Recommender Systems: The Textbook. Springer, Cham, Switzerland.
Anthis, J. R., Liu, R., Richardson, S. M., Kozlowski, A. C., Koch, B., Brynjolfsson, E., Evans, J., and Bernstein, M. S. (2025). Position: LLM Social Simulations Are a Promising Research Method. In Proceedings of the 42nd International Conference on Machine Learning, PMLR 267. PMLR. Vancouver, Canada.
Borràs, J., Moreno, A., and Valls, A. (2014). Intelligent tourism recommender systems: a survey. Expert Systems with Applications, 41(16):7370–7389.
Campos, J., de Roldão, I., Alves, P., Dias, M., Moura, B., Freire, K., dos Santos, N. C., Freitas, P., Braga, A., Galvão, B., Simões, F., Jarocki, I., Paulo, J., Almeida, L., Marques, P., Rayane, S., Xavier, S., Instituto de Assessoria para o Desenvolvimento Humano (IADH), and Rede Nacional de Experiências e Turismo Criativo (RECRIA) (2022). Plano de turismo criativo 2022-2024.
Castells, P. and Jannach, D. (2023). Recommender systems: a primer. In Alonso, O. and Baeza-Yates, R., editors, Advanced Topics for Information Retrieval. ACM Press, New York, NY, USA.
Costa, I. (2024). Carnaval do recife movimentou r$2,4 bilhões e recebeu mais de 3,4 milhões de foliões; prefeitura cogita juntar data magna aos dias oficiais de folia em 2025. Portal G1.
Creswell, J. W. and Creswell, J. D. (2021). Projeto de pesquisa: Métodos qualitativo, quantitativo e misto. Penso, Porto Alegre, RS, Brasil, 5 edition.
Deshpande, M. and Karypis, G. (2004). Item-based top-N recommendation algorithms. ACM Transactions on Information Systems, 22(1):143–177.
Ferreira, D. I. F. and Ramos, C. (2024). Uma análise estratégica com base na matriz SWOT: a aplicabilidade do projeto TheRoute a Pernambuco. In Anais do 15◦ Congresso de Administração, Sociedade e Inovação (CASI).
Fonseca, D. (2020). Pernambuco lança passaporte para incentivar turismo no estado entre moradores e turistas. Portal G1.
Gao, H., Tang, J., Hu, X., and Liu, H. (2015). Context-aware point of interest recommendations on location-based social networks. In Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence, pages 1721–1727, Austin, TX, USA. AAAI Press.
Gao, M., Liu, K., and Wu, Z. (2010). Personalisation in web computing and informatics: the techniques, applications, and future research. Information Systems Frontiers, 12:607–629.
Gomede, E., de Barros, R. M., and de Souza Mendes, L. (2021). Deep auto encoders to adaptive e-learning recommender system. Computers and Education: Artificial Intelligence, 2:100009.
Jesse, M., Bauer, C., and Jannach, D. (2023). Intra-list similarity and human diversity perceptions of recommendations: The details matter. User Modeling and User-Adapted Interaction, 33:769–802.
Kang, E., Kim, H., and Cho, J. (2006). Personalization method for tourist point of interest (poi) recommendation. In Gabrys, B., Howlett, R. J., and Jain, L. C., editors, Knowledge-Based Intelligent Information and Engineering Systems, volume 4251 of Lecture Notes in Computer Science, pages 392–400, Berlin, Germany. Springer.
Li, Y., Liu, K., Wang, S., and Cambria, E. (2021). Recent developments in recommender systems: A survey. Journal of LATEX Class Files, 14(8).
Magara, M. B., Ojo, S. O., and Zuva, T. (2018). A Comparative Analysis of Text Similarity Measures and Algorithms in Research Paper Recommender Systems. In Proceedings of the 2018 Conference on Information Communications Technology and Society (ICTAS). IEEE. Pretoria, South Africa.
Morais, I., Mendonça, E., and Santos, E. (2022). Novas formas de fazer turismo: desde a prática às políticas na construção do plano de turismo criativo do recife (pernambuco-brasil). Interações, 23(3):669–684.
Qaiser, S. and Ali, R. (2018). Text mining: use of TF-IDF to examine the relevance of words to documents. International Journal of Computer Applications, 181(1):25–29.
Ries, E. (2012). A startup enxuta: Como empreendedores atuais utilizam a inovação contínua para criar empresas extremamente bem-sucedidas. Leya, São Paulo, SP, Brasil.
Salton, G. and Buckley, C. (1988). Term-weighting approaches in automatic text retrieval. Information Processing & Management, 24(5):513–523.
Sarkar, J. P., Majumder, A., Panigrahi, C., Roy, S., and Pati, B. (2023). Tourism recommendation system: a survey and future research directions. Multimedia Tools and Applications, 82:8983–9027.
Sondur, S. D. and Chigadani, A. P. (2016). Similarity measures for recommender systems: a comparative study. Journal for Research, 2(3):76–80.
Trigo, L. G. G. (2020). Viagens e turismo: dos cenários imaginados às realidades disruptivas. RBTUR, 14(3):1–13.
Valença, J. (2022). Passaporte pernambuco: saiba onde e como conseguir o caderno turístico.
Wazlawick, R. S. (2009). Metodologia de pesquisa para ciência da computação. Elsevier, Rio de Janeiro, RJ, Brasil, 6 edition.
Zhao, S., King, I., and Lyu, M. R. (2016). A survey of point-of-interest recommendation in location-based social networks. ACM Computing Surveys, 49(2):Artigo 25.
Zhao, Z., Fan, W., Li, J., Liu, Y., Mei, X., Wang, Y., Wen, Z., Wang, F., Zhao, X., Tang, J., and Li, Q. (2024). Recommender systems in the era of large language models (LLMs). IEEE Transactions on Knowledge and Data Engineering, 36(11):6889–6907.
Aggarwal, C. C. (2016). Recommender Systems: The Textbook. Springer, Cham, Switzerland.
Anthis, J. R., Liu, R., Richardson, S. M., Kozlowski, A. C., Koch, B., Brynjolfsson, E., Evans, J., and Bernstein, M. S. (2025). Position: LLM Social Simulations Are a Promising Research Method. In Proceedings of the 42nd International Conference on Machine Learning, PMLR 267. PMLR. Vancouver, Canada.
Borràs, J., Moreno, A., and Valls, A. (2014). Intelligent tourism recommender systems: a survey. Expert Systems with Applications, 41(16):7370–7389.
Campos, J., de Roldão, I., Alves, P., Dias, M., Moura, B., Freire, K., dos Santos, N. C., Freitas, P., Braga, A., Galvão, B., Simões, F., Jarocki, I., Paulo, J., Almeida, L., Marques, P., Rayane, S., Xavier, S., Instituto de Assessoria para o Desenvolvimento Humano (IADH), and Rede Nacional de Experiências e Turismo Criativo (RECRIA) (2022). Plano de turismo criativo 2022-2024.
Castells, P. and Jannach, D. (2023). Recommender systems: a primer. In Alonso, O. and Baeza-Yates, R., editors, Advanced Topics for Information Retrieval. ACM Press, New York, NY, USA.
Costa, I. (2024). Carnaval do recife movimentou r$2,4 bilhões e recebeu mais de 3,4 milhões de foliões; prefeitura cogita juntar data magna aos dias oficiais de folia em 2025. Portal G1.
Creswell, J. W. and Creswell, J. D. (2021). Projeto de pesquisa: Métodos qualitativo, quantitativo e misto. Penso, Porto Alegre, RS, Brasil, 5 edition.
Deshpande, M. and Karypis, G. (2004). Item-based top-N recommendation algorithms. ACM Transactions on Information Systems, 22(1):143–177.
Ferreira, D. I. F. and Ramos, C. (2024). Uma análise estratégica com base na matriz SWOT: a aplicabilidade do projeto TheRoute a Pernambuco. In Anais do 15◦ Congresso de Administração, Sociedade e Inovação (CASI).
Fonseca, D. (2020). Pernambuco lança passaporte para incentivar turismo no estado entre moradores e turistas. Portal G1.
Gao, H., Tang, J., Hu, X., and Liu, H. (2015). Context-aware point of interest recommendations on location-based social networks. In Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence, pages 1721–1727, Austin, TX, USA. AAAI Press.
Gao, M., Liu, K., and Wu, Z. (2010). Personalisation in web computing and informatics: the techniques, applications, and future research. Information Systems Frontiers, 12:607–629.
Gomede, E., de Barros, R. M., and de Souza Mendes, L. (2021). Deep auto encoders to adaptive e-learning recommender system. Computers and Education: Artificial Intelligence, 2:100009.
Jesse, M., Bauer, C., and Jannach, D. (2023). Intra-list similarity and human diversity perceptions of recommendations: The details matter. User Modeling and User-Adapted Interaction, 33:769–802.
Kang, E., Kim, H., and Cho, J. (2006). Personalization method for tourist point of interest (poi) recommendation. In Gabrys, B., Howlett, R. J., and Jain, L. C., editors, Knowledge-Based Intelligent Information and Engineering Systems, volume 4251 of Lecture Notes in Computer Science, pages 392–400, Berlin, Germany. Springer.
Li, Y., Liu, K., Wang, S., and Cambria, E. (2021). Recent developments in recommender systems: A survey. Journal of LATEX Class Files, 14(8).
Magara, M. B., Ojo, S. O., and Zuva, T. (2018). A Comparative Analysis of Text Similarity Measures and Algorithms in Research Paper Recommender Systems. In Proceedings of the 2018 Conference on Information Communications Technology and Society (ICTAS). IEEE. Pretoria, South Africa.
Morais, I., Mendonça, E., and Santos, E. (2022). Novas formas de fazer turismo: desde a prática às políticas na construção do plano de turismo criativo do recife (pernambuco-brasil). Interações, 23(3):669–684.
Qaiser, S. and Ali, R. (2018). Text mining: use of TF-IDF to examine the relevance of words to documents. International Journal of Computer Applications, 181(1):25–29.
Ries, E. (2012). A startup enxuta: Como empreendedores atuais utilizam a inovação contínua para criar empresas extremamente bem-sucedidas. Leya, São Paulo, SP, Brasil.
Salton, G. and Buckley, C. (1988). Term-weighting approaches in automatic text retrieval. Information Processing & Management, 24(5):513–523.
Sarkar, J. P., Majumder, A., Panigrahi, C., Roy, S., and Pati, B. (2023). Tourism recommendation system: a survey and future research directions. Multimedia Tools and Applications, 82:8983–9027.
Sondur, S. D. and Chigadani, A. P. (2016). Similarity measures for recommender systems: a comparative study. Journal for Research, 2(3):76–80.
Trigo, L. G. G. (2020). Viagens e turismo: dos cenários imaginados às realidades disruptivas. RBTUR, 14(3):1–13.
Valença, J. (2022). Passaporte pernambuco: saiba onde e como conseguir o caderno turístico.
Wazlawick, R. S. (2009). Metodologia de pesquisa para ciência da computação. Elsevier, Rio de Janeiro, RJ, Brasil, 6 edition.
Zhao, S., King, I., and Lyu, M. R. (2016). A survey of point-of-interest recommendation in location-based social networks. ACM Computing Surveys, 49(2):Artigo 25.
Zhao, Z., Fan, W., Li, J., Liu, Y., Mei, X., Wang, Y., Wen, Z., Wang, F., Zhao, X., Tang, J., and Li, Q. (2024). Recommender systems in the era of large language models (LLMs). IEEE Transactions on Knowledge and Data Engineering, 36(11):6889–6907.
Publicado
22/09/2025
Como Citar
FERREIRA, Douglas I. F.; GOMEDE, Everton.
Sistema de Recomendação de Pontos de Interesse em Recife com Filtragem Baseada em Conteúdo e Passaporte Pernambuco. In: WORKSHOP EM MODELAGEM E SIMULAÇÃO DE SISTEMAS INTENSIVOS EM SOFTWARE (MSSIS), 7. , 2025, Recife/PE.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 31-40.
DOI: https://doi.org/10.5753/mssis.2025.14982.
