Publicação: Mineração de preferências contextuais em data streams
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
O cenário tradicional de mineração de preferências, referido aqui como cenário batch,
tem sido amplamente estudado na literatura nos últimos anos. Entretanto, a natureza
dinâmica do problema de mineração de preferências cada vez mais requer soluções que
rapidamente se adaptam a mudanças. A principal razão para isto é que normalmente as
preferências do usuário não são estáticas e podem evoluir sobre o tempo. No trabalho
descrito nesta dissertação, é abordado o problema de mineração de preferências contextuais
no cenário de data stream. Preferências Contextuais têm sido recentemente tratadas
na literatura e alguns métodos para minerar este tipo especial de preferências têm sido
propostos no cenário batch. Como principais contribuições do trabalho descrito nesta disserta
ção, o problema de mineração de preferências contextuais no cenário de data stream
é formalizado e são propostos três algoritmos para resolver este problema. Em adicional,
também foi proposto um formalismo sobre concept drift em preferências contextuais.
Dois dos algoritmos propostos foram implementados e a eciência destes foi mostrada
através de um conjunto extenso de experimentos sobre dados reais e sintéticos (com e sem
a introdução de concept drift ).
Abstract
The traditional preference mining setting, referred to here as the batch setting, has
been widely studied in the literature in recent years. However, the dynamic nature of
the problem of mining preferences increasingly requires solutions that quickly adapt to
change. The main reason for this is that frequently user\'s preferences are not static and
can evolve over time. In the work described in this master\'s thesis, we address the problem
of mining contextual preferences in the data stream setting. Contextual Preferences have
been recently treated in the literature and some methods for mining this special kind of
preferences have been proposed in the batch setting. As main contributions of the work
described in this master\'s thesis, we formalize the contextual preference mining problem
in the data stream setting and propose three algorithms for solving this problem. In
addition, we also propose a formalism about concept drift in contextual preferences. We
have implemented two of the proposed algorithms and showed their eciency through
an extensive set of experiments over real and synthetic data (with and without concept
drift).
Palavras-chave
Mineração de preferências, Data streams, Algoritmos incrementais, Redes bayesianas, Concept drift, Ciência de contexto, Preference mining, Incremental algorithms, Bayesian networks, Concept drift, Context-awareness, Mineração de dados (Computação), Algoritmos de computador
Citação
PAPINI, Jaqueline Aparecida Jorge. Mineração de preferências contextuais em data streams. 2014. 125 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de Uberlândia, Uberlândia, 2014. DOI https://doi.org/10.14393/ufu.di.2014.172