Algoritmos de recomendação: propostas para avaliação das recomendações de itens únicos ou lista de itens

Página do item simplificado
dc.contributor.advisorDoutor Carlos Alexandre Silva
dc.contributor.authorSouto, Guilherme Basílio
dc.contributor.coadvisorDoutor Renato Miranda Filho
dc.date.accessioned2025-02-17T22:42:45Z
dc.date.available2025-02-17T22:42:45Z
dc.date.issued2022-11-25
dc.description.abstractOs algoritmos de recomendação desempenham o papel de aperfeiçoar e automatizar a tarefa de se fazer boas recomendações. No entanto, mensurar de forma quantitativa a qualidade das recomendações pode ser demasiadamente complexo. Neste trabalho, propomos duas métricas para avaliar o resultado de algoritmos de recomendação: a Single Recommended Item Metric (SRIM) e List of Recommended Items Metric (LRIM). Na primeira, o proposito e avaliar algoritmos de recomendação que retornam apenas um item, enquanto a segunda tem o objetivo de avaliar recomendações de múltiplos itens. Desta forma, nos aplicamos as métricas propostas para avaliar tais algoritmos de recomendação utilizando uma clássica base de dados de filmes. Os resultados mostram que o algoritmo de recomendação AR2 provê recomendações mais relevantes que o algoritmo AR1 de acordo com as métricas SRIM e LRIM. Além disso, no LRIM detectamos que o algoritmo AR2 supera em pouco mais de 8% em relação ao AR1.
dc.description.abstract1Recommendation algorithms play a role in improving and automating the task of making good recommendations. However, quantitatively measuring the quality of recommendations can be too complex. In this work, we propose two metrics to evaluate the result of recommendation algorithms: the Single Recommended Item Metric (SRIM) and List of Recommended Items Metric (LRIM). In the first, the purpose is to evaluate recommendation algorithms that return only one item, while the second has the objective of evaluating recommendations of multiple items. In this way, we apply the proposed metrics to evaluate such recommendation algorithms using a classic movie database. The results show that the AR2 recommendation algorithm provides more relevant recommendations than the AR2 algorithm according to the SRIM and LRIM metrics. In addition, we detected that the AR2 algorithm outperforms by just over 8% compared to AR1.
dc.identifier.urihttp://hdl.handle.net/20.500.14387/2053
dc.language.isoPortuguês
dc.publisher.campiSabará
dc.publisher.countryBrasil
dc.publisher.institutionInstituto Federal de Minas Gerais
dc.rightsAcesso aberto
dc.subject.keywordAprendizado do computador
dc.subject.keywordAlgorítmos computacionais
dc.subject.keywordSoftware - Metodologia de avaliação
dc.titleAlgoritmos de recomendação: propostas para avaliação das recomendações de itens únicos ou lista de itens
dc.typeTrabalho de Conclusão de Curso
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC- Guilherme Basílio.pdf
Tamanho:
320.03 KB
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