Filtragem Híbrida para Sistema de Recomendação de Livros utilizando Redes Neurais

Página do item simplificado
dc.contributor.advisorMestre Everthon Valadão dos Santos
dc.contributor.authorMendes, Bruna Cristina
dc.date.accessioned2024-02-05T12:43:10Z
dc.date.available2024-02-05T12:43:10Z
dc.date.issued2023-12-19
dc.description.abstractEsta monografia aborda o desenvolvimento de um sistema de recomendação híbrido para livros, combinando abordagens colaborativas e baseadas em conteúdo, impulsionado por Redes Neurais. A crescente complexidade e diversidade dos dados tornam essencial a adoção de modelos híbridos, e este trabalho justifica-se pela necessidade de oferecer aos leitores sugestões mais relevantes e personalizadas, superando as limitações dos modelos tradicionais. O objetivo do trabalho é estudar, implementar e avaliar um sistema de recomendação híbrido, utilizando uma Deep Neural Network (DNN), que não apenas sugira obras com base em preferências passadas, mas também leve em conta características literárias específicas, proporcionando recomendações mais contextuais. A validação foi conduzida por meio de experimentos utilizando os conjuntos de dados do BookCrossing e da Amazon, e a avaliação é feita comparando a precisão das recomendações com o modelo de filtragem colaborativa e identificando melhorias na personalização do modelo híbrido proposto. As principais contribuições deste trabalho incluem a implementação de um sistema híbrido eficaz, que possibilita a avaliação comparativa com modelos tradicionais e análise das melhorias alcançadas.
dc.description.abstract1This thesis addresses the development of a hybrid recommendation system for books, combining collaborative and content-based approaches, powered by Neural Networks. The increasing complexity and diversity of data make adopting hybrid models essential, and this work is justified by the need to provide readers with more relevant and personalized suggestions, overcoming the limitations of traditional models. The study aims to explore, implement, and evaluate a hybrid recommendation system using a Deep Neural Network (DNN), which not only suggests works based on past preferences but also takes into account specific literary characteristics, providing more contextual recommendations. Validation was conducted through experiments using the BookCrossing and Amazon datasets, with the evaluation comparing the accuracy of recommendations with the collaborative model and identifying improvements in the personalization of the proposed hybrid model. The main contributions of this work include implementing an effective hybrid system, enabling comparative evaluation with traditional models, and analysis of the improvements achieved.
dc.identifier.urihttp://hdl.handle.net/20.500.14387/1619
dc.language.isoPortuguês
dc.publisher.campiFormiga
dc.publisher.countryBrasil
dc.publisher.institutionInstituto Federal de Minas Gerais
dc.publisher.programCiência da Computação
dc.rightsAcesso aberto
dc.subject.keywordSistema de Recomendação
dc.subject.keywordRedes Neurais Profundas (DNN)
dc.subject.keywordFiltragem Híbrida
dc.subject.keywordBookCrossing
dc.titleFiltragem Híbrida para Sistema de Recomendação de Livros utilizando Redes Neurais
dc.typeTrabalho de Conclusão de Curso
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Monografia_TCC-Bruna_bkp20231221_vFINAL.pdf
Tamanho:
1.64 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.79 KB
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar
Coleções
Trabalho de Conclusão de Curso