Distributed recommender systems on an opportunistic network environment

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorHeimfarth, Tales-
Autor(es): dc.contributorGemmell, Jonathan-
Autor(es): dc.contributorHeimfarth, Tales-
Autor(es): dc.contributorGemmell, Jonathan-
Autor(es): dc.contributorGiacomin, João Carlos-
Autor(es): dc.contributorFreitas, Edison Pignaton de-
Autor(es): dc.creatorBarbosa, Lucas Nunes-
Data de aceite: dc.date.accessioned2026-02-09T11:13:55Z-
Data de disponibilização: dc.date.available2026-02-09T11:13:55Z-
Data de envio: dc.date.issued2023-02-28-
Data de envio: dc.date.issued2023-02-28-
Data de envio: dc.date.issued2023-02-28-
Data de envio: dc.date.issued2020-02-29-
Fonte completa do material: dc.identifierhttps://repositorio.ufla.br/handle/1/56068-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1136454-
Descrição: dc.descriptionMobile devices are common throughout the world, even in counties with limited internet access and even when natural disasters disrupt access to a centralized infrastructure. This access allows for the exchange of information at an incredible pace and across vast distances. However, this wealth of information can frustrate users as they become inundated with irrelevant or unwanted data. Recommender systems help alleviate this burden. The project presents a novel collaborative filtering recommender system based on an opportunistic distributed network. Collaborative filtering algorithms are widely used in many online systems. Often, the computation of these recommender systems is performed on a central server, controlled by the provider, requiring constant internet connection for gathering and computing data. However, in many scenarios, such constraints cannot be guaranteed or may not even be desired. On the proposed recommendation engine, users share information via an opportunistic network independent of a dedicated internet connection. Each node is responsible for gathering information from nearby nodes and calculating its own recommendations. Using a centralized collaborative filtering recommender as a baseline, we evaluate three simulated scenarios composed by different movement speeds and data exchange parameters. Our results show that in a relatively short time, an opportunistic distributed recommender systems can achieve results similar to a traditional centralized system. Furthermore, we noticed that the speed at which the opportunistic recommender system stabilizes depends on several factors including density of the users, movement speed and patterns of the users, and transmission strategies. On future works we will analyze new strategies and datasets, likewise, we will increase the number of users on different scenarios.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)-
Descrição: dc.descriptionDispositivos móveis são comuns em todo o mundo, mesmo em países com acesso limitado à internet, inclusive quando desastres naturais intenrrompem o acesso a uma infraestrutura centralizada. Este acesso permite a troca de informações em um ritmo incrível e através de grandes distâncias. No entanto, essa riqueza de informações pode frustrar os usuários a medida que são inundados com dados irrelevantes ou indesejados. Os sistemas de recomendação ajudam a aliviar o peso para computar cada perfil. Este projeto apresenta uma nova abordagem de sistema de recomendação de filtragem colaborativa baseada em uma rede distribuída oportunista. Algoritmos de filtragem colaborativa são amplamente utilizados em muitos sistemas online. Geralmente, o computação desses sistemas de recomendação é realizado em um servidor central, controlado pelo provedor, exigindo conexão constante a internet para coletar e computar dados. Entretanto, em muitos cenários, essas restrições não podem ser garantidas ou mesmo desejadas. No sistema de recomendação proposto, os usuários compartilham informações por meio de uma rede oportunista independente de conexão a internet dedicada. Utilizando tecnicas de recomendação centralizada de filtragem colaborativa como base, avaliamos dois cenários simulados compostos por diferentes velocidades de movimento e parâmetros de troca de dados. Nossos resultados demonstram que, em um período de tempo relativamente curto, o sistema de recomendação distribuído em redes oportunistas podem obter resultados semelhantes a um sistema centralizado tradicional. Além disso, notamos que a velocidade com que o sistema de recomendação oportunista se estabiliza dependendo de vários fatores, incluindo densidade dos usuários, velocidade de movimento e padrões dos usuários, e estratégias de transmissão. Em trabalhos futuros analisaremos novas estratégias e conjuntos de dados, da mesma forma, aumentaremos o número de usuários adicionando diferentes cenários.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languageen-
Publicador: dc.publisherUniversidade Federal de Lavras-
Publicador: dc.publisherPrograma de Pós-graduação em Ciência da Computação-
Publicador: dc.publisherUFLA-
Publicador: dc.publisherbrasil-
Publicador: dc.publisherDepartamento de Ciência da Computação-
Direitos: dc.rightsacesso aberto-
Palavras-chave: dc.subjectOpportunistic networks-
Palavras-chave: dc.subjectRecommender systems-
Palavras-chave: dc.subjectMobile ad hoc networks-
Palavras-chave: dc.subjectRedes oportunistas-
Palavras-chave: dc.subjectSistema de recomendação-
Palavras-chave: dc.subjectRedes móveis ad hoc-
Palavras-chave: dc.subjectCiência da Computação-
Título: dc.titleDistributed recommender systems on an opportunistic network environment-
Título: dc.titleSistemas de recomendação distribuídos em um ambiente de rede oportunista-
Tipo de arquivo: dc.typedissertação-
Aparece nas coleções:Repositório Institucional da Universidade Federal de Lavras (RIUFLA)

Não existem arquivos associados a este item.