Recomendação de Conteúdos Multimídia em Ambientes de Convergência Digital: Uma Abordagem Baseada em Mineração de Dados e Web Semântica
Resumo
Com o advento da TV Digital interativa (TVDi), nota-se o aumento de interatividade no processo de comunicação além do incremento das produções audiovisuais elevando o número de canais e recursos disponíveis para o usuário. Esta realidade faz da tarefa de encontrar o conteúdo desejado uma ação onerosa e possivelmente ineficaz. A incorporação de sistemas de recomendação no ambiente TVDi emerge como uma possível solução para este problema. Este trabalho tem como objetivo propor uma abordagem híbrida para recomendação de conteúdo em TVDi, baseada em técnicas de Mineração de Dados, integradas a conceitos da Web Semântica, permitindo a estruturação e padronização dos dados e consequente possibilidade do compartilhamento de informações, provendo semântica e raciocínio automático. Para o Serviço proposto é considerado o Sistema Brasileiro de TV Digital (SBTVD) e o middleware GInga. Foi desenvolvido um protótipo e realizado experimentos com a base de dados do Netflix, utilizando a métrica de precisão para avaliação. Obteve-se uma precisão média de 30% , utilizando apenas a técnica de mineração. Acomplando-se com as regras semânticas obteve-se precisão média de 35%.
Palavras-chave:
Sistemas de Recomendação, Mineração de dados,, TVDi, Representação de Conhecimento
Referências
Adomavicius, G.; Tuzhilin, A. Towards the Next Generation of Recommender Systems: A survey of the State-of-the-Art and Possible Extensions. Knowledge and Dam Engineering, IEEE Transactions, Volume 17, Issue 6, page(s): 734- 749, June 2005.
Araújo, J. P. C. (2011) CoreKTV - Uma infraestrutura baseada em conhecimento para TV Digital Interativa: um estudo de caso para o middleware Ginga. Dissertação de Mestrado. Universidade Federai da Paraíba.
Aroyo, L.; Bellekens, P.; Björkman, M.; Houben, G. Akkermans, P.; Kaptein, A.; (2007) SenSee Framework for Personalized Access to TV Content. European Conference on Interactive TV (EuroITV 2007), 156-165.
Ávila, P. M. (2010) RecommenderTV: Suporte ao Desenvolmento de Aplicações de Recomendação para o Sistema Brasileiro de TV Digital. Dissertação de mestrado. Universidade Federal de São Carlos, Brasil.
Azaria, A.; Hassidim, A.; Kraus, S.; Eshkol, A.; Weintraub, O.; Netanely, I. Movie Recommender Ssytem for Profit Maximazation. RecSys'13. p. 12-128.
Basilio, A. C A.; Moreno. M. F.; Barrere, E.Análise de Interação e Audiência em Sistemas de TV Digital Interativa. Webmedia, 2012
BDPedia. Disponível em. Acessado em: Janeiro de 2014.
Berkhin. P.. Survey of Clustering Data Mining Techniques. Technical report, Accrue Software, San Jose, CA, 2002.
Berners-Lee, T.; Lassila, O.; Hendler, J. The semantic web: A new Ibrin of Web contem that is meaningful to computers will unleash a revolution of new possibilities, Scientific American, 2001.
Berry. M.J.A.; Linoff, G. Data mining techniques. John Wiley & Sons, Inc. 1997.
Breitman, K.. Web Semântica: O Futuro da Internet. 1. ed. Rio de Janeiro: LTC - Livros Tecnicos e Cientificos Editora S.A., 2005. v. 1. 190 p.
Chorianopoulos, K.. Personalized and mobile digital TV applications. Proc. 2008 Multimedia Tools and Applications, Volume 36, Issue 1-2. Kluwer Academic Publishers, pp. 1-10, 2008.
DuCharme, B. Learning SPARQL, O'Reilly Media, 2011.
Fernández-Lópes, M.; Gómez-Pérez, A. Overview and analysis of methodologies for building ontologies. In: Journal The knowledge Engineering Review. Vol 17, pp 129-156. New York, 2002.
Gómez-Pérez, A. Evaluation of taxonomic knowledge in ontologies and knowledge bases, In Proc. Of the 12th Workshop on Knowledge, Acquisition, Modeling and Management, KAW'99, Voyager Inn, Banff. Alberta, Canada. 1999.
Guarino, N. (1995) Formal Ontology, Conceptual Analysis and Knowledge Representation, International Journal of Human-Computer Studies, 43(5-6):625-640.
Han, J. and Kamber, M. Data Mining Concepts and Techniques. 2a Edição, Editora Elsevier, Reino Unido. 2006.
Jain, A. K., Murty, M. N., and Flynn, P. J.. Data clustering: a review. ACM Compus. Surv, 1999. 31(3)2,64-323.
Jena. Disponível em: < http://jeria.sourceforge.neti>. Acessado em Janeiro de 2014.
Khalilian, M., Mustapha, N., Suliman, N. Mamai. A. A Novel K-Means Based Clustering Algorithm for High Dimensional Data Sets. IfvIECS, 2010. Hong Kong.
Kim, J., Kwon, E., Cho, Y., Kang, S. Recommendation System ai IPTV TV Progam Using Ontology and K-means
Clustering. Second Intcrnational Conference, UCMA 2011, Daejeon, Korea, April 13-15, 2011. Proceedings, Part II
Kononenko, 1. & Kukar, M. Machine learning and data mining. Chichester, UK: Horwood Publishing, 2007.
Lekakos, G. Chorianopoulos, K,; Doukidis, G. Interactive Digital Television: Technologies and Applications. IGI Publishing, 2007.
Médola, A. S. L.(2009) Televisão Digital Brasileira e os Novos Processos de Produção de Conteúdos: Os Desafios para o Comunicador. Revista de Associação Nacional dos Programas de Pós-Graduação em Comunicação I E-compós, Brasília, v.12, n.3, set,/dez.
Montaner, M, Collaborative Recomnender Agents Based on Case-Based Reasoning and Trust. 2003.
NetFlix. Disponível em. Acessado em Junho de 2014.
Neto, M. M., Cardoso, D., Teixeira, C. T., Cortés, M. Abordagem Combinada para Recomendação Personalizada Utilizando o Guia de Programação Eletrônico. CSBC' 2010, Belo Horizonte, MG, 2010.
Noy. F. N.; McGuinness, D. L. Ontology Development 101: A Guide to Creating Your First Ontolog-y. Stanfard Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI- 2001-0880, March 2001.
Ochi, L. S., Dias, C. R., Stênio, S. F.. Clusterização em Mineração de Dados. Escola Regional de Informática Rio de Janeiro. Espírito Santo, Mini Curso. Rio das Ostras, 2004.
Patrício Júnior, J. C. A. Mining Knowledge TV: Uma Abordagem de Ambiente de KDD com Ênfase em Mineração de Dados no Ambiente da Knowledge TV. Dissertação de Mestrado. Universidade Federal as Paraíba, 2012.
Protegé. Disponível em:. Acessado em Junho de 2014.
Resnick, P. and Varian H. R. (1997) Recommender systems. Communications of the ACM. ACM 40, 3 (mar. 1997), 56-58.
Russell, S. and Norvig, P. Artificial Intelligence - A Modern Approach. 2 edição. Prentice Hall, 2002.
SBTVD - Sistema Brasileiro de TV Digital. Ministério das Comunicações. Disponível em.
Silva, C. F.; Vieira, P. K. M.; Uno, N. C. Q. Semantic Integration - Uma Extensão do Núcleo do Middleware Ginga, SBSI, 2013.
Soares, L. F.; Lemos, G. (2007) Interactive Television in Brazil: System Software and the Digital Divide. In European Interactive TV Conference - EuroITV2007. Amsterdam.
Souza Filho, G. L. de, Leite, L. E. C., Batista, C. E. C. F.. Ginga-J: The Procedural Middleware for the Brazilian Computer Society, no 4, Vol 12, (ISSN 0104-6500) pp. 47-56. Março 2007. Porto Alegre, RS, Brasil.
Tan, P.N., Steinbach, M., Kumar, V. Introduction to Data Mining, Addison-Wesley, 2006.
Torres, R. Personalização na Internet. Editora Novatec, 2004.
Wang. H.; Nearest Neighbor by Neighborhood Counting. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.28, no.6, pp. 942-953, 2006.
Xu, M.; Berkovsky, S.; Ardon, S.; Triukose, S.; Mahanti, A.; Koprinska, I. Catch-up TV Recommendations: Show Old Favourites and FInd New Ones. RecSys'13. p. 285-294.
Araújo, J. P. C. (2011) CoreKTV - Uma infraestrutura baseada em conhecimento para TV Digital Interativa: um estudo de caso para o middleware Ginga. Dissertação de Mestrado. Universidade Federai da Paraíba.
Aroyo, L.; Bellekens, P.; Björkman, M.; Houben, G. Akkermans, P.; Kaptein, A.; (2007) SenSee Framework for Personalized Access to TV Content. European Conference on Interactive TV (EuroITV 2007), 156-165.
Ávila, P. M. (2010) RecommenderTV: Suporte ao Desenvolmento de Aplicações de Recomendação para o Sistema Brasileiro de TV Digital. Dissertação de mestrado. Universidade Federal de São Carlos, Brasil.
Azaria, A.; Hassidim, A.; Kraus, S.; Eshkol, A.; Weintraub, O.; Netanely, I. Movie Recommender Ssytem for Profit Maximazation. RecSys'13. p. 12-128.
Basilio, A. C A.; Moreno. M. F.; Barrere, E.Análise de Interação e Audiência em Sistemas de TV Digital Interativa. Webmedia, 2012
BDPedia. Disponível em
Berkhin. P.. Survey of Clustering Data Mining Techniques. Technical report, Accrue Software, San Jose, CA, 2002.
Berners-Lee, T.; Lassila, O.; Hendler, J. The semantic web: A new Ibrin of Web contem that is meaningful to computers will unleash a revolution of new possibilities, Scientific American, 2001.
Berry. M.J.A.; Linoff, G. Data mining techniques. John Wiley & Sons, Inc. 1997.
Breitman, K.. Web Semântica: O Futuro da Internet. 1. ed. Rio de Janeiro: LTC - Livros Tecnicos e Cientificos Editora S.A., 2005. v. 1. 190 p.
Chorianopoulos, K.. Personalized and mobile digital TV applications. Proc. 2008 Multimedia Tools and Applications, Volume 36, Issue 1-2. Kluwer Academic Publishers, pp. 1-10, 2008.
DuCharme, B. Learning SPARQL, O'Reilly Media, 2011.
Fernández-Lópes, M.; Gómez-Pérez, A. Overview and analysis of methodologies for building ontologies. In: Journal The knowledge Engineering Review. Vol 17, pp 129-156. New York, 2002.
Gómez-Pérez, A. Evaluation of taxonomic knowledge in ontologies and knowledge bases, In Proc. Of the 12th Workshop on Knowledge, Acquisition, Modeling and Management, KAW'99, Voyager Inn, Banff. Alberta, Canada. 1999.
Guarino, N. (1995) Formal Ontology, Conceptual Analysis and Knowledge Representation, International Journal of Human-Computer Studies, 43(5-6):625-640.
Han, J. and Kamber, M. Data Mining Concepts and Techniques. 2a Edição, Editora Elsevier, Reino Unido. 2006.
Jain, A. K., Murty, M. N., and Flynn, P. J.. Data clustering: a review. ACM Compus. Surv, 1999. 31(3)2,64-323.
Jena. Disponível em: < http://jeria.sourceforge.neti>. Acessado em Janeiro de 2014.
Khalilian, M., Mustapha, N., Suliman, N. Mamai. A. A Novel K-Means Based Clustering Algorithm for High Dimensional Data Sets. IfvIECS, 2010. Hong Kong.
Kim, J., Kwon, E., Cho, Y., Kang, S. Recommendation System ai IPTV TV Progam Using Ontology and K-means
Clustering. Second Intcrnational Conference, UCMA 2011, Daejeon, Korea, April 13-15, 2011. Proceedings, Part II
Kononenko, 1. & Kukar, M. Machine learning and data mining. Chichester, UK: Horwood Publishing, 2007.
Lekakos, G. Chorianopoulos, K,; Doukidis, G. Interactive Digital Television: Technologies and Applications. IGI Publishing, 2007.
Médola, A. S. L.(2009) Televisão Digital Brasileira e os Novos Processos de Produção de Conteúdos: Os Desafios para o Comunicador. Revista de Associação Nacional dos Programas de Pós-Graduação em Comunicação I E-compós, Brasília, v.12, n.3, set,/dez.
Montaner, M, Collaborative Recomnender Agents Based on Case-Based Reasoning and Trust. 2003.
NetFlix. Disponível em
Neto, M. M., Cardoso, D., Teixeira, C. T., Cortés, M. Abordagem Combinada para Recomendação Personalizada Utilizando o Guia de Programação Eletrônico. CSBC' 2010, Belo Horizonte, MG, 2010.
Noy. F. N.; McGuinness, D. L. Ontology Development 101: A Guide to Creating Your First Ontolog-y. Stanfard Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI- 2001-0880, March 2001.
Ochi, L. S., Dias, C. R., Stênio, S. F.. Clusterização em Mineração de Dados. Escola Regional de Informática Rio de Janeiro. Espírito Santo, Mini Curso. Rio das Ostras, 2004.
Patrício Júnior, J. C. A. Mining Knowledge TV: Uma Abordagem de Ambiente de KDD com Ênfase em Mineração de Dados no Ambiente da Knowledge TV. Dissertação de Mestrado. Universidade Federal as Paraíba, 2012.
Protegé. Disponível em:
Resnick, P. and Varian H. R. (1997) Recommender systems. Communications of the ACM. ACM 40, 3 (mar. 1997), 56-58.
Russell, S. and Norvig, P. Artificial Intelligence - A Modern Approach. 2 edição. Prentice Hall, 2002.
SBTVD - Sistema Brasileiro de TV Digital. Ministério das Comunicações. Disponível em.
Silva, C. F.; Vieira, P. K. M.; Uno, N. C. Q. Semantic Integration - Uma Extensão do Núcleo do Middleware Ginga, SBSI, 2013.
Soares, L. F.; Lemos, G. (2007) Interactive Television in Brazil: System Software and the Digital Divide. In European Interactive TV Conference - EuroITV2007. Amsterdam.
Souza Filho, G. L. de, Leite, L. E. C., Batista, C. E. C. F.. Ginga-J: The Procedural Middleware for the Brazilian Computer Society, no 4, Vol 12, (ISSN 0104-6500) pp. 47-56. Março 2007. Porto Alegre, RS, Brasil.
Tan, P.N., Steinbach, M., Kumar, V. Introduction to Data Mining, Addison-Wesley, 2006.
Torres, R. Personalização na Internet. Editora Novatec, 2004.
Wang. H.; Nearest Neighbor by Neighborhood Counting. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.28, no.6, pp. 942-953, 2006.
Xu, M.; Berkovsky, S.; Ardon, S.; Triukose, S.; Mahanti, A.; Koprinska, I. Catch-up TV Recommendations: Show Old Favourites and FInd New Ones. RecSys'13. p. 285-294.
Publicado
26/05/2015
Como Citar
VIERA, Priscilla; LINO, Natasha.
Recomendação de Conteúdos Multimídia em Ambientes de Convergência Digital: Uma Abordagem Baseada em Mineração de Dados e Web Semântica. In: SIMPÓSIO BRASILEIRO DE SISTEMAS DE INFORMAÇÃO (SBSI), 11. , 2015, Goiânia.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2015
.
p. 103-110.
DOI: https://doi.org/10.5753/sbsi.2015.5806.
