dc.contributor.author | Pires, Pedro Reis | |
dc.date.accessioned | 2021-05-04T14:17:30Z | |
dc.date.available | 2021-05-04T14:17:30Z | |
dc.date.issued | 2021-03-26 | |
dc.identifier.citation | PIRES, Pedro Reis. Representação vetorial distribuída em sistemas de recomendação. 2021. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, Sorocaba, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/14225. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/14225 | |
dc.description.abstract | Today, with the constant growth in the number of available digital content and ease of access to a huge amount of data, it is increasingly difficult to find relevant information. From this problem, recommender systems have emerged, analyzing user's behavior to issue personalized item recommendations. Currently, most companies have some form of content recommendation on their channels or services. Even so, many problems in the area are not properly solved, such as the high dimensionality and sparsity that the commonly adopted representation model has. Methods have been proposed to solve these problems, representing items and users as dense vectors in a space of reduced dimensionality. One of the most recent techniques in the literature is the use of embeddings-based models, i. e., distributed vector representations generated through artificial neural networks. Many of the latest advances in the area have shown promising results when compared to other already consolidated methods, but the vast majority of proposals suggest the execution of complex neural architectures or the use of content data, which often may not be available int the scenario of the application. In this dissertation, we extend the studies in the field of embeddings-based recommender systems. Through a comprehensive literature review, a new model for generating distributed representation is proposed, with the key points of being computationally efficient and requiring only implicit feedback from users to be trained. The results obtained in extrinsic and intrinsic evaluations, indicate that the model is promising for scenarios where there is need for computationally efficient models, achieving competitive results with state-of-the-art methods that demand greater computational power. | por |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Sistemas de recomendação | por |
dc.subject | Recommender systems | por |
dc.subject | Filtragem colaborativa | por |
dc.subject | Collaborative filtering | por |
dc.subject | Modelos de embeddings | por |
dc.subject | Embedding-based models | por |
dc.title | Representação vetorial distribuída em sistemas de recomendação | por |
dc.title.alternative | Distributed vector representation in recommender systems | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Almeida, Tiago Agostinho de | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/5368680512020633 | por |
dc.description.resumo | Atualmente, com a crescente disponibilidade de conteúdo digital, e facilidade de acesso a uma elevada quantidade de dados, está cada vez mais difícil encontrar informações relevantes. Deste problema, nasceram os sistemas de recomendação, que analisam o comportamento de usuários para emitir recomendações personalizadas de itens. Atualmente, boa parte das empresas possui alguma forma de recomendação de conteúdo em seus canais ou serviços. Ainda assim, muitos problemas da área não estão devidamente solucionados, como a alta dimensionalidade e esparsidade que o modelo de representação comumente adotado possui. Métodos foram propostos para combater esses problemas, representando itens e usuários através de vetores densos em um espaço de dimensionalidade reduzida. Uma das técnicas mais recentes na literatura é o uso de métodos de representação vetorial distribuída, gerada por meio de redes neurais artificiais. Muitos dos últimos avanços feitos na área apresentaram resultados promissores quando comparados à outros métodos já consolidados, mas a grande maioria das propostas sugere o uso de arquiteturas neurais complexas e o emprego de dados de conteúdo, que muitas vezes podem não estar disponíveis para o cenário da aplicação. Essa dissertação estende os estudos na área de representação vetorial distribuída para recomendação. Através de uma revisão ampla da literatura, é proposto um novo modelo para geração da representação, computacionalmente eficiente e que demanda apenas feedback implícito dos usuários para ser treinado. Os resultados obtidos em avaliações extrínsecas e intrínsecas, indicam que o modelo é promissor para cenários onde há a necessidade de aplicação de métodos computacionalmente eficientes, atingindo resultados competitivos com métodos estado-da-arte que demandam maior poder computacional. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC-So | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.description.sponsorshipId | CAPES: 88882.426978/2019-01 | por |
dc.publisher.address | Câmpus Sorocaba | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/4012668928932051 | por |