Recomendação de Conteúdo e QoE: Um Experimento Quantificando o Impacto da QoS nas Preferências por Conteúdos

  • Mateus Nogueira UFRJ
  • Daniel Menasché UFRJ
  • Carla Delgado UFRJ

Resumo


Sistemas de recomendação estão cada vez mais presentes na rotina de usuários na Internet. Portanto, plataformas como Youtube e Netflix buscam aprimorar seus sistemas de recomendação tendo em vista uma melhor experiência para os seus usuários. Porém, a experiência dos usuários depende de inúmeros fatores não apenas relacionados a natureza do conteúdo, mas também a forma como o conteúdo é entregue. Sistemas de cache, por exemplo, também possuem uma grande influência na qualidade de experiência (QoE) dos usuários, já que podem determinar a qualidade de serviço (QoS) dos conteúdos. Neste artigo, estabelecemos uma relação entre sistemas de recomendação e qualidade de serviço (QoS) tendo em base dados coletados a partir de um experimento realizado de forma remota com participações de diversos usuários, com diferentes perfis. Acreditamos que nossos resultados possibilitam abordagens inovadoras no estudo de sistemas de recomendação e algoritmos de caching de forma conjunta. Utilizando árvores de decisão, propomos um sistema de recomendação que leva em conta conjuntamente QoS e a natureza dos conteúdos. Em resultados preliminares, alcançamos uma precisão de 83% em decisões de recomendação baseadas em dados fornecidos por usuários reais que participaram dos experimentos propostos. 

Referências

Chatzieleftheriou, L. E., Karaliopoulos, M., and Koutsopoulos, I. (2017). Caching-aware recommendations: Nudging user preferences towards better caching performance. In INFOCOM, pages 1–9. IEEE.

de Freitas, R. G., Menasché, D., Delgado, C., and Ziviani, A. (2017). Recomendação de conteúdo e desempenho de sistemas de cache.

Dehghan, M., Massoulie, L., Towsley, D., Menasche, D., and Tay, Y. C. (2016). A utility optimization approach to network cache design. In INFOCOM 2016, pages 1–9. IEEE.

Gomez-Uribe, C. A. and Hunt, N. (2016). The netix recommender system: Algorithms, business value, and innovation. ACM Transactions on Management Information Systems (TMIS), 6(4):13.

Krishnan, S. S. and Sitaraman, R. K. (2013). Video stream quality impacts viewer behavior: inferring causality using quasi-experimental designs. IEEE/ACM Transactions on Networking, 21(6):2001–2014.

Liu, D. and Yang, C. (2018). A learning-based approach to joint content caching and recommendation at base stations. arXiv preprint arXiv:1802.01414.

Mok, R. K., Chan, E. W., and Chang, R. K. (2011). Measuring the quality of experience of http video streaming. In Integrated Network Management (IM), 2011 IFIP/IEEE International Symposium on, pages 485–492. IEEE.

Nam, H., Kim, K.-H., and Schulzrinne, H. (2016). Qoe matters more than qos: Why people stop watching cat videos. In INFOCOM 2016, pages 1–9. IEEE.

Sermpezis, P., Spyropoulos, T., Vigneri, L., and Giannakas, T. (2017). Femto-caching with soft cache hits: Improving performance with related content recommendation. In GLOBECOM, pages 1–7. IEEE.

Turnbull, D. (2017). High-quality recommendation systems with elasticsearch. https://dzone.com/articles/high-quality-recommendation-systems-with-elastic-2.
Publicado
06/05/2018
NOGUEIRA, Mateus; MENASCHÉ, Daniel; DELGADO, Carla. Recomendação de Conteúdo e QoE: Um Experimento Quantificando o Impacto da QoS nas Preferências por Conteúdos. In: WORKSHOP DE TRABALHOS DE INICIAÇÃO CIENTÍFICA E DE GRADUAÇÃO - SIMPÓSIO BRASILEIRO DE REDES DE COMPUTADORES E SISTEMAS DISTRIBUÍDOS (SBRC), 1. , 2018, Campos do Jordão. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2018 . ISSN 2177-9384. DOI: https://doi.org/10.5753/sbrc_estendido.2018.14641.