
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Marchi, Jerusa | - |
| Autor(es): dc.contributor | Greghi, Juliana Galvani | - |
| Autor(es): dc.contributor | Esmin, Ahmed Ali Abdalla | - |
| Autor(es): dc.contributor | Castro, Cristiano Leite de | - |
| Autor(es): dc.creator | Lázaro, Alexsandra da Silva | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:23:08Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:23:08Z | - |
| Data de envio: dc.date.issued | 2015-04-15 | - |
| Data de envio: dc.date.issued | 2015-04-15 | - |
| Data de envio: dc.date.issued | 2015-04-15 | - |
| Data de envio: dc.date.issued | 2010 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/5316 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1139764 | - |
| Descrição: dc.description | It is currently difficult for people to manage the growing volume of information available on the Internet. One example occurs when a consumer must choose among a lot of products available in e-commerce website. To offer their products and help consumers to choose the most relevant to them e-commerce companies use recommender systems. Such systems generally make use of techniques of information filtering to generate relevant recommendations. But when there are none or few data (ratings, purchases, searches, etc.) about items, the filtering algorithms do not provide good results. This problem is called Cold- Start Item. This work makes a detailed study of the most relevant information filtering algorithms of the last decade that can solve the Cold-Start Item problem and presents a analysis of these algorithms in order to identify the most promising one. This work is being developed in partnership with the company Chaordic Systems of Florianópolis and the results presented here will be used to develop algorithms for an recommender system developed by the company. | - |
| Descrição: dc.description | Atualmente torna-se difícil para as pessoas gerenciar o crescente volume de informação disponível na Internet. Exemplo disso ocorre quando um consumidor precisa escolher dentre uma grande quantidade de produtos disponíveis em websites de comércio eletrônico. Para ofertar seus produtos e ajudar consumidores na escolha do que lhes seja mais relevante, empresas de comércio eletrônico utilizam os sistemas de recomendação. Tais sistemas, em geral, fazem uso de técnicas de filtragem de informação para gerar recomendações relevantes. Porém, quando não existem ou são escassos os dados (avaliações, compras, buscas, etc.) sobre os itens, os algoritmos de filtragem não apresentam bons resultados. Este problema é denominado Cold-Start Item. Este trabalho realiza um estudo detalhado dos algoritmos de filtragem de informação mais relevantes da última década que possam solucionar o problema Cold-Start Item e apresenta uma análise destes algoritmos visando identificar os mais promissores. Este trabalho vem sendo desenvolvido em parceria com a empresa Chaordic Systems de Florianópolis e os resultados aqui apresentados serão utilizados no desenvolvimento de algoritmos para um sistema de recomendação desenvolvido pela empresa. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Sistemas de Recomendação | - |
| Palavras-chave: dc.subject | Filtragem de Informação | - |
| Palavras-chave: dc.subject | Filtragem Baseada em Conteúdo | - |
| Palavras-chave: dc.subject | Filtragem Colaborativa | - |
| Palavras-chave: dc.subject | Filtragem Híbrida e problema Cold-Start Item | - |
| Título: dc.title | Análise e seleção de algoritmos de filtragem de informação para solução do problema cold-start item | - |
| Tipo de arquivo: dc.type | TCC | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: