Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/18379
Document type: Dissertação
Access type: Acesso Aberto
Title: Estudo da percepção humana e mineração de preferências contextuais na recomendação de imagens para o usuário
Author: Almeida, Claudianne Myllene Morais de
First Advisor: Backes, André Ricardo
Summary: Este trabalho apresenta um estudo sobre o uso da informação da percepção visual na recomendação de imagens. Assim, foi proposto um método que faz o agrupamento dos usuários através de sua percepção visual e de sua similaridade. Esse método foi denominado de VP-Similarity. O VP-Similarity foi implementado por meio da extensão do sistema PrefRec para utilização de dados de percepção visual em conjunto com dados de preferência e de itens na tarefa de recomendação, formando assim o VP-PrefRec. Para validação do sistema foi criada uma base de dados. Essa base de dados contém dados de preferência e dados de percepção visual dos usuários. Além disso, o VP-Similarity também foi aplicado sobre um sistema de recomendação social, fornecendo uma rede de percepção visual. O objetivo dessa rede é minimizar o problema do cold start do usuário, existente na maioria dos sistemas de recomendação. A Ąnalidade da proposta deste trabalho é mostrar que a recomendação de imagens com dados de itens e de preferências contextuais para um usuário alvo tem melhor qualidade quando são considerados apenas os usuários que têm percepções visuais similares a esse usuário alvo, considerando algumas avaliações prévias desse usuário alvo. E também mostrar que é possível melhorar a qualidade das recomendações de imagens para um novo usuário que nunca tenha feito uso do sistema (cold start), concentrando-se apenas em usuários que visualmente percebam as imagens de forma similar.
Abstract: This work presents a study on the use of information of visual perception in the image recommendation. Thus, it proposed a method that makes the grouping of users through your visual perception and their similarity. This method was denominated VP-Similarity. The VP-Similarity is implemented by extending the system PrefRec to use of visual perception data in conjunction with preference data item and the recommendation task, thereby forming the VP-PrefRec. For the validation of the system a database was created. This database contains preference and visual perception data of users. In addition, VP-Similarity was also applied on a social recommendation system, providing a visual perception network. The purpose of this network is to minimize the user cold start problem, which in most recommender systems. The objective of purpose of this paper is to show that the recommendation of images with data items and contextual preferences for a target user has better quality when considering only those users who have similar visual perceptions that target user, considering some prior evaluations of that user target. And it also shows that it is possible to improve the quality of images of recommendations for a new user who has never made use of the system (cold start), focusing only on users to visually perceive the similar images.
Keywords: Computação
Percepção visual
Sistema de recomendação
Rede de percepção visual
Cold start
Visual perception
Recommendation system
Visual perception network
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Program: Programa de Pós-graduação em Ciência da Computação
Quote: ALMEIDA, Claudianne Myllene Morais de. Estudo da percepção humana e mineração de preferências contextuais na recomendação de imagens para o usuário. 2016. 78 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2016.
URI: https://repositorio.ufu.br/handle/123456789/18379
Date of defense: 18-Feb-2016
Appears in Collections:DISSERTAÇÃO - Ciência da Computação

Files in This Item:
File Description SizeFormat 
EstudoPercepcaoHumana.pdfDissertação48.48 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.