Agente de interface persuasivo baseado em classificadores bayesianos e teoria da escolha social para o problema de cold-start em sistemas de recomendação
Autor: Marcus Vinicius Freire Guimarães (Currículo Lattes)
Resumo
Esta tese visa apresentar uma abordagem para solucionar o problema de Cold-Start em sistemas de recomendação de conteúdo. Este problema caracteriza-se por tentar responder o seguinte questionamento: como e o que recomendar para usuários novos em uma plataforma digital? Para isso, diversas abordagens já foram propostas na literatura, contudo, ainda sem um consenso para solucionar o problema. Entretanto, para que um sistema de recomendação seja desenvolvido, são necessários dados. Porém, estas informações não são facilmente acessíveis ou disponibilizadas por empresas. As principais tecnologias de recomendação de conteúdo são proprietárias e não encontradas em domínio público. Para contornar este cenário, esta tese apresenta uma contribuição onde um algoritmo, baseado em interações de agentes autônomos, é capaz de simular um conjunto de dados com propósito de atuação em situações de comércio eletrônico. Consequentemente, após a validação das informações geradas, um novo passo para contribuir com o estado da arte na area de sistemas persuasivos e de recomendação foi a elaboração de um agente de interface baseado em classificadores Bayesianos e Teoria da Escolha Social para processar, refinar e recomendar conteudos personalizados. Tais processos atuarão como filtragem dos dados em duas etapas. A primeira com o uso de classificadores Bayesianos, visa a refinamento das informações em tempo real do coletivo próximo as características do usuário. Em um segundo momento, ocorre o ranqueamento de preferências individuais em busca de uma regra coletiva. Este segundo filtro será obtido com o uso da Teoria da Escolha Social através do método de contagem de Borda. Os resultados encontrados demonstram que o algoritmo gerador de dados assemelha-se a alguns bancos de dados disponibilizados para fins de pesquisa assim como o agente de interface é capaz de recomendar conteudos personalizados de acordo com as características do usuário que estiver acessando a plataforma naquele exato momento.