Teoria e prática em sistemas de recomendação

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.creatorAzambuja, Rogério Xavier de-
Autor(es): dc.creatorMorais, A. Jorge-
Autor(es): dc.creatorFilipe, Vítor-
Data de aceite: dc.date.accessioned2022-02-15T14:11:08Z-
Data de disponibilização: dc.date.available2022-02-15T14:11:08Z-
Data de envio: dc.date.issued2021-12-21-
Data de envio: dc.date.issued2021-12-21-
Data de envio: dc.date.issued2021-11-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/10400.2/11550-
Fonte completa do material: dc.identifierhttps://doi.org/10.34627/rcc.v15i0.264-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/10400.2/11550-
Descrição: dc.descriptionNas últimas décadas a utilização da inteligência artificial tem sido frequente no desenvolvimento de aplicações computacionais. Mais recentemente a aprendizagem automática, especialmente pelo uso da aprendizagem profunda (deep learning), tem impulsionado o crescimento e ampliado o desenvolvimento de sistemas inteligentes para diferentes domínios. No cenário atual de crescimento tecnológico estão a surgir com maior frequência os sistemas de recomendação (recommender systems) com diferentes técnicas para a filtragem de informações em grandes bases de dados. Um desafio é prover a recomendação adaptativa para mitigar a sobrecarga de informações em ambientes on-line. Este artigo revisa trabalhos anteriores e aborda alguns dos aspectos teórico-conceptuais e teórico-práticos que constituem os sistemas de recomendação, caracterizando o emprego de redes neuronais profundas (Deep Neural Network – DNN) para prover a recomendação sequencial apoiada pela recomendação baseada em sessão.-
Descrição: dc.descriptionIn recent decades, artificial intelligence use has been frequent in the computational applications development. More recently, machine learning, especially through the use of deep learning, has driven growth and expanded the intelligent systems development for different domains. In the current scenario of technological growth, the recommender systems appear with increasing frequency through their different techniques for information filtering in large datasets. It is a challenge to provide adaptive recommendation to mitigate information overload in online environments. This article reviews previous works and addresses some of the theoretical-conceptual and theoretical-practical aspects that constitute the recommender systems, characterizing the use of deep neural network (DNN) to provide sequential recommendation supported by session-based recommendation.-
Descrição: dc.descriptioninfo:eu-repo/semantics/publishedVersion-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Aberta-
Relação: dc.relationhttps://journals.uab.pt/index.php/rcc/article/view/264-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectSistemas de recomendação-
Palavras-chave: dc.subjectFiltragem de informação-
Palavras-chave: dc.subjectRecomendação com DNN-
Palavras-chave: dc.subjectRecomendação sequencial-
Palavras-chave: dc.subjectRecomendação baseada em sessão-
Palavras-chave: dc.subjectRecommender systems-
Palavras-chave: dc.subjectInformation filtering-
Palavras-chave: dc.subjectDNN recommendation-
Palavras-chave: dc.subjectSequential recommendation-
Palavras-chave: dc.subjectSession-based recommendation-
Palavras-chave: dc.subjectODS::04:Educação de Qualidade-
Título: dc.titleTeoria e prática em sistemas de recomendação-
Título: dc.titleTheory and practice in recommender systems-
Tipo de arquivo: dc.typelivro digital-
Tipo de arquivo: dc.typeaula digital-
Aparece nas coleções:Repositório Aberto - Universidade Aberta (Portugal)

Não existem arquivos associados a este item.