Recomendação de filmes utilizando filtragem colaborativa

Abstract

Com o crescimento da Internet, uma grande quantidade de pessoas buscam rapidez e eficiência na pesquisa, na compra e na aquisição de produtos e serviços que são disponibilizados na Web. Para aumentar a capacidade de indicação de itens para usuários, surgem os Sistemas de Recomendação. Uma das técnicas mais conhecidas para se recomendar itens é a Filtragem Colaborativa, que será usada neste trabalho para comparar 8 diferentes abordagens oriundas desta técnica. O objetivo desta comparação será observar qual ou quais abordagens apresentam os melhores resultados para a recomendação de filmes para telespectadores. As 8 abordagens foram formadas a partir da combinação de escolhas da Filtragem Colaborativa. Entre elas estão: o tipo de semelhança adotado, usuário ou item; a escala de avaliação; e a forma de definição do grupo de semelhança, por número fixo ou constante de similaridade. Verificou-se um resultado ineficiente para as 8 abordagens, devido ao alto índice de recomendação, mesmo para filmes não relevantes, ocasionando uma baixa Especificidade para todas as abordagens. Apesar do resultado ruim, a Abordagem 5, que leva em conta a semelhança entre itens, escala Likert e o número fixo de itens para a definição do grupo, apresentou melhor desempenho. A fim de melhorar o desempenho do método, foi formulada uma análise de sensibilidade, que buscou escolher melhor os parâmetros. A análise de sensibilidade indicou valores a serem adotados para os parâmetros do modelo e, quando a Abordagem 5 foi rodada para tais parâmetros, os resultados se mostraram um pouco melhores