Show simple item record

dc.contributor.authorZabanova, Tatyana
dc.date.accessioned2021-04-23T11:15:30Z
dc.date.available2021-04-23T11:15:30Z
dc.date.issued2019-05-14
dc.identifier.citationZABANOVA, Tatyana. Regularização social em sistemas de recomendação com filtragem colaborativa. 2019. Dissertação (Mestrado em Ciências Fisiológicas) – Universidade Federal de São Carlos, São Carlos, 2019. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14168.*
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/14168
dc.description.abstractModels based on matrix factorization are among the most successful implementations of Recommender Systems. In this project, we study the possibilities of incorporating the information from social networks to improve the quality of predictions of the model both in traditional Collaborative Filtering and in Neural Collaborative Filtering. Based on four examples, we registered that incorporating information from the social network in fact leads to better estimates of the evaluations of itens by users.eng
dc.description.sponsorshipNão recebi financiamentopor
dc.language.isoporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectSistema de recomendaçãopor
dc.subjectFiltragem colaborativapor
dc.subjectFatoração de matrizespor
dc.subjectRegularização socialpor
dc.subjectFiltragem colaborativa neuralpor
dc.subjectRecommender systemeng
dc.subjectCollaborative filteringeng
dc.subjectMatrix factorizationeng
dc.subjectSocial regu-larizationeng
dc.subjectNeural collaborative filteringeng
dc.titleRegularização social em sistemas de recomendação com filtragem colaborativapor
dc.title.alternativeSocial regularization in recommender systems with collaborative filteringeng
dc.typeDissertaçãopor
dc.contributor.advisor1Stern, Rafael Bassi
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7846211197320014por
dc.description.resumoModelos baseados em fatoração de matrizes estão entre as implementações mais bem sucedidas de Sistemas de Recomendação. Neste projeto, estudamos as possibilidades de incorporação de informações provindas de redes sociais, para melhorar a qualidade das predições do modelo tanto em modelos tradicionais de Filtragem Colaborativa, quanto em Filtragem Colaborativa Neural. Com base em quatro exemplos, registramos que a incorporação das informações provindas da rede social de fato leva a melhores estimativas das avaliações dadas aos itens pelos usuários.por
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma Interinstitucional de Pós-Graduação em Ciências Fisiológicas - PIPGCFpor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOSpor
dc.publisher.addressCâmpus São Carlospor
dc.contributor.authorlatteshttp://lattes.cnpq.br/7702409804193862por


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 Brazil
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 Brazil