Portal de Periódicos da CAPES

UMA ARQUITETURA HÍBRIDA PARA SISTEMAS DE RECOMENDAÇÃO DE NOTÍCIAS BASEADA EM CASOS

2017; Volume: 14; Linguagem: Português

10.5748/9788599693131-14contecsi/ps-4948

2448-1041

José Luiz Maturana Pagnossim, Sarajane Marques Peres,

Big Data and Business Intelligence

Sistemas de Recomendação ( SR ) são capazes de sugerir itens com base no histórico de interações entre usuários e o sistema, fazendo uso de métricas de similaridade aplicada aos itens, aos usuários ou a ambos. Existem diferentes tipos de SR , entre eles, aqueles baseados em conteúdo, conhecimento e aqueles que fazem uso da filtragem colaborativa. Dentre as várias possibilidades de aplicação prática dos SR , destaca-se a recomendação de notícias, sendo utilizada, principalmente em portais e aplicativos de notícias, direcionada a um público heterogêneo, cada vez mais exigente. Nesse contexto, SR precisam ser eficientes e eficazes em diferentes frentes: na modelagem dos dados que suportarão a recomendação, na recuperação da informação relacionada aos dados, na combinação dessa informação por meio de métricas de similaridade, na maximização da relevância ou adequabilidade das recomendações às exigências do usuário, contexto ou ambiente, na criação de modelos preditivos ou descritivos para implementação da recomendação e, finalmente, na implementação de mecanismos de evolução da inteligência do sistema de forma que ele seja capaz de aprender a partir do histórico de interações dos usuários. A tomada de decisão por um SR é uma tarefa complexa que requer o emprego de conceitos advindos de diferentes áreas do conhecimento, dentre as quais se destaca a Inteligência Artificial (IA) e a Mineração de Dados. No contexto deste trabalho, a metodologia de Raciocínio Baseado em Casos (RBC), proveniente de estudos da IA, é usada como base para a implementação da inteligência de um SR , dentro de uma arquitetura híbrida que propõe a implementação da recomendação baseada em conteúdo, conhecimento e em filtro colaborativo. A metodologia RBC é adequada no contexto da evolução de um SR porque trabalha com o princípio que se algo funcionou no passado em uma determinada situação, pode funcionar novamente em uma nova situação similar à anterior. A recomendação derivada dessa metodologia é chamada de Recomendação Baseada em Casos. Originalmente, ela implementa uma forma particular de recomendação baseada em conteúdo na qual o conteúdo é estruturado em uma representação do tipo atributo-valor. Na arquitetura proposta neste trabalho, a Recomendação Baseada em Casos se torna um meio de estruturar as recomendações per se. Os itens, os usuários e a interação entre eles via sistema são representados e manipulados por diferentes estratégias de forma a propor as recomendações iniciais, as quais se tornam os casos e podem, se for adequado, ser reusadas no futuro, seguindo os preceitos clássicos da metodologia. As estratégias que implementam as primeiras recomendações também suprem o sistema com novas recomendações quando o reúso do caso não se faz adequado. Essas estratégias incluem mineração de texto, implementando a análise de conteúdo, e análise de perfis de usuário, implementando a recomendação via colaboração. Os resultados dessas estratégias geram indicadores que são combinados em uma métrica de similaridade híbrida. A implementação de um sistema de recomendação de notícias que possuas as características discutidas exige a organização das estratégias de criação de recomendação que podem ser extraídas da Recomendação Baseada em Casos dentro de uma arquitetura sistêmica. Essa arquitetura segue formalizada neste trabalho.