Recomendação de conteúdo em um contexto de big data

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCandido Junior, Arnaldo-
Autor(es): dc.contributorCandido Junior, Arnaldo-
Autor(es): dc.contributorBazzi, Claudio Leones-
Autor(es): dc.contributorPaula Filho, Pedro Luiz de-
Autor(es): dc.contributorAikes Junior, Jorge-
Autor(es): dc.creatorSantos, Everton Schneider dos-
Data de aceite: dc.date.accessioned2025-08-29T13:03:43Z-
Data de disponibilização: dc.date.available2025-08-29T13:03:43Z-
Data de envio: dc.date.issued2020-11-15-
Data de envio: dc.date.issued2020-11-15-
Data de envio: dc.date.issued2015-06-12-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/12519-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1106650-
Descrição: dc.descriptionThis work uses knowledge extraction in social media based on content recommendation. The process is aided in Big Data aproaches and uses sentiment mining. The growing in social media is a challenge for companies and reasearchers focusing knowledge extraction of massive data in real time. This work evaluated the user preference for technology companies. Sentiment mining is used to measure user preference for a given company. The gathered data are used to build content recommenders and its results are analyzed. The UserBased recommender, with NearestNUser neighborhood and Tanimoto Coefficient similary obtained results closest to ideal, with a score of 0.020, precision of 0.246, recall of 0.259 and F1 measure of 0.252.-
Descrição: dc.descriptionEste trabalho propõe o uso de recomendação de conteúdo para extração de conhecimento em redes sociais. O processo é amparado nas abordagens de Big Data, além de fazer uso de mineração de sentimentos. O crescimento na geração de conteúdo em redes sociais é um desafio para empresas e pesquisadores que desejam extrair conhecimento em tempo real de volumes massivos de dados. Avaliou-se a preferência dos usuários por empresas de tecnologia. Para medir a preferência dos usuários por um determinado item foi utilizada a abordagem baseada em mineração de sentimentos. Os dados gerados foram então utilizados para construir recomendadores de conteúdo e os resultados obtidos foram avaliados. O recomendador do tipo Userbased, com a vizinhança do tipo NearestNUser e a medida de similaridade Tanimoto Coefficient obteve os resultados que mais se aproximaram do ideal, com um score de 0.020, precisão de 0.246, cobertura de 0.259 e medida F1 de 0.252.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherMedianeira-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectRedes sociais on-line-
Palavras-chave: dc.subjectMineração de dados (Computação)-
Palavras-chave: dc.subjectProcessamento eletrônico de dados-
Palavras-chave: dc.subjectOnline social networks-
Palavras-chave: dc.subjectData mining-
Palavras-chave: dc.subjectElectronic data processing-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleRecomendação de conteúdo em um contexto de big data-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.