Augmenting Data to Improve the Performance of Recommender Systems
Resumo
A recomendação de notícias desempenha um papel crucial na sugestão de notícias aos usuários de forma personalizada. A recomendação pode trazer notícias que sejam similares aos temas e tópicos presentes em artigos de notícias que o usuário leu no passado. Em geral, o processo de recomendação se vale de metadados anotados em cada notícia para descrever seus principais atributos. Entretanto, muitas vezes, estes metadados são preenchidos manualmente e podem não refletir de forma precisa o contexto da notícia. Para abordar este problema, propomos um processo de anotação automática para vídeos de notícias utilizando BERTopic. Os metadados anotados automáticos são, ao final, utilizados, em uma recomendação de filtragem colaborativa utilizando regras de associação. A abordagem apresentada foi testada em um caso de estudo na Globo, onde apresentou uma melhora na quantidade de visualizações de vídeos para sessões de usuário.
Referências
Grootendorst, M. (2022). Bertopic: Neural topic modeling with a class-based tf-idf procedure. arXiv preprint arXiv:2203.05794. DOI: 10.48550/arXiv.2203.05794
Jannach, D. and Jugovac, M. (2019). Measuring the business value of recommender systems. ACM Transactions on Management Information Systems (TMIS), 10(4):1–23. DOI: 10.1145/3370082
Karimi, M., Jannach, D., and Jugovac, M. (2018). News recommender systems–survey and roads ahead. Information Processing & Management, 54(6):1203–1227. DOI: 10.1016/j.ipm.2018.04.008
Lops, P., De Gemmis, M., and Semeraro, G. (2011). Content-based recommender systems: State of the art and trends. Recommender systems handbook, pages 73–105. DOI: 10.1007/978-0-387-85820-3_3
Michiels, L., Vannieuwenhuyze, J., Leysen, J., Verachtert, R., Smets, A., and Goethals, B. (2023). How should we measure filter bubbles? a regression model and evidence for online news. In Proceedings of the 17th ACM Conference on Recommender Systems, pages 640–651. DOI: 10.1145/3604915.3608805
