Uma Análise de Interface para Construção do Perfil Inicial de Usuários em Sistemas de Recomendação Baseados em Conteúdo
Resumo
Um problema bastante conhecido em Sistemas de Recomendação é o chamado Cold Start User que refere-se ao fato de que, quando um usuário começa a utilizar um sistema não existem informações que permitam gerar boas recomendações para este usuário. Alguns Sistemas de Recomendação procuram resolver isto apresentando itens e pedindo que os usuários realizem a avaliação destes itens. Aqui algumas questões envolvidas são: (1)quais itens selecionar para serem apresentados, (2)qual a quantidade de itens e a (3)qual a forma de apresentar estes itens. O presente artigo, discute um pouco estas questões e no caso da última apresenta um experimento e avaliação feitas com usuários.
Palavras-chave:
Sistemas de Recomendação, Cold Start User
Referências
Abdullah, N. A., Rasheed, R. A., Nizam, M. H., and Rahman, M. M. (2021). Eliciting auxiliary information for cold start user recommendation: A survey. Applied Sciences (Switzerland), 11(20).
Bettman, J. R., Luce, M. F., and Payne, J. W. (1998). Constructive Consumer Choice Processes. Journal of Consumer Research, 25(3):187–217.
Celma, O., Herrera, P., and Serra, X. (2006). Bridging the music semantic gap. CEUR Workshop Proceedings, 187:927–934.
Celma, Ó., Ramírez, M., and Herrera, P. (2005). Foafing the Music: A music recommendation system based on RSS feeds and user preferences. ISMIR 2005 - 6th International Conference on Music Information Retrieval, pages 464–467.
Cezar, N., Gasparini, I., Lichtnow, D., Lunardi, G., and de Oliveira, J. M. (2024). Exploring strategies to mitigate cold start in recommender systems: A systematic literature mapping. In Proceedings of the 26th International Conference on Enterprise Informa- tion Systems - Volume 1: ICEIS, pages 965–972. INSTICC, SciTePress.
Consoni, G. (2014). Recuperação de informação em sistemas de recomendação : análise da interação mediada por computador e dos efeitos da filtragem colaborativa na seleção de itens no website da Amazon.com. Tese - Programa de Pós Graduação em Comunicação e Informação da Universidade Federal do Rio Grande do Sul.
Goldberg, K., Roeder, T., Gupta, D., and Perkins, C. (2001). Eigentaste: A Constant Time Collaborative Filtering Algorithm. Information Retrieval, 4(2):133–151.
Jelassi, M. N., Ben Yahia, S., and Nguifo, E. M. (2013). A personalized recommender system based on users’ information in folksonomies. WWW 2013 Companion - Proceedings of the 22nd International Conference on World Wide Web, pages 1215–1223.
Monti, D., Rizzo, G., and Morisio, M. (2021). A systematic literature review of multicriteria recommender systems, volume 54. Springer Netherlands.
Panda, D. K. and Ray, S. (2022). Approaches and algorithms to mitigate cold start problems in recommender systems: a systematic literature review. Journal of Intelligent Information Systems, pages 341–366.
Ricci, F., Rokach, L., and Shapira, B. (2015). Recommender Systems.
Schafer, J. B., Frankowski, D., Herlocker, J., and Sen, S. (2007). Collaborative Filtering Recommender Systems, page 291–324. Springer-Verlag, Berlin, Heidelberg.
Son, L. H. (2016). Dealing with the new user cold-start problem in recommender systems: A comparative review. Information Systems, 58:87–104.
Bettman, J. R., Luce, M. F., and Payne, J. W. (1998). Constructive Consumer Choice Processes. Journal of Consumer Research, 25(3):187–217.
Celma, O., Herrera, P., and Serra, X. (2006). Bridging the music semantic gap. CEUR Workshop Proceedings, 187:927–934.
Celma, Ó., Ramírez, M., and Herrera, P. (2005). Foafing the Music: A music recommendation system based on RSS feeds and user preferences. ISMIR 2005 - 6th International Conference on Music Information Retrieval, pages 464–467.
Cezar, N., Gasparini, I., Lichtnow, D., Lunardi, G., and de Oliveira, J. M. (2024). Exploring strategies to mitigate cold start in recommender systems: A systematic literature mapping. In Proceedings of the 26th International Conference on Enterprise Informa- tion Systems - Volume 1: ICEIS, pages 965–972. INSTICC, SciTePress.
Consoni, G. (2014). Recuperação de informação em sistemas de recomendação : análise da interação mediada por computador e dos efeitos da filtragem colaborativa na seleção de itens no website da Amazon.com. Tese - Programa de Pós Graduação em Comunicação e Informação da Universidade Federal do Rio Grande do Sul.
Goldberg, K., Roeder, T., Gupta, D., and Perkins, C. (2001). Eigentaste: A Constant Time Collaborative Filtering Algorithm. Information Retrieval, 4(2):133–151.
Jelassi, M. N., Ben Yahia, S., and Nguifo, E. M. (2013). A personalized recommender system based on users’ information in folksonomies. WWW 2013 Companion - Proceedings of the 22nd International Conference on World Wide Web, pages 1215–1223.
Monti, D., Rizzo, G., and Morisio, M. (2021). A systematic literature review of multicriteria recommender systems, volume 54. Springer Netherlands.
Panda, D. K. and Ray, S. (2022). Approaches and algorithms to mitigate cold start problems in recommender systems: a systematic literature review. Journal of Intelligent Information Systems, pages 341–366.
Ricci, F., Rokach, L., and Shapira, B. (2015). Recommender Systems.
Schafer, J. B., Frankowski, D., Herlocker, J., and Sen, S. (2007). Collaborative Filtering Recommender Systems, page 291–324. Springer-Verlag, Berlin, Heidelberg.
Son, L. H. (2016). Dealing with the new user cold-start problem in recommender systems: A comparative review. Information Systems, 58:87–104.
Publicado
14/10/2024
Como Citar
CEZAR, Nathália Locatelli; GASPARINI, Isabela; LICHTNOW, Daniel.
Uma Análise de Interface para Construção do Perfil Inicial de Usuários em Sistemas de Recomendação Baseados em Conteúdo. In: RECOMENDAÇÃO SENSÍVEL AO CONTEXTO EM AMBIENTES INTELIGENTES (RESCAI) - SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 39. , 2024, Florianópolis/SC.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 408-415.
DOI: https://doi.org/10.5753/sbbd_estendido.2024.243697.
