Utilize este identificador para referenciar este registo: http://hdl.handle.net/10400.22/2663
Título: Sistema de recomendação e personalização de televisão
Autor: Soares, Márcio Micael Mendes
Orientador: Viana, Paula Maria Marques Moura Gomes
Palavras-chave: Sistema de recomendação
Sistemas de recomendação de programas de televisão
Filtragem colaborativa
Filtragem de conteúdo
TV-Anytime
Recommendation system
Recommendation systems for television
Collaborative filtering
Content filtering
Data de Defesa: 2011
Editora: Instituto Politécnico do Porto. Instituto Superior de Engenharia do Porto
Resumo: Com a expansão da Televisão Digital e a convergência entre os meios de difusão convencionais e a televisão sobre IP, o número de canais disponíveis tem aumentado de forma gradual colocando o espectador numa situação de difícil escolha quanto ao programa a visionar. Sobrecarregados com uma grande quantidade de programas e informação associada, muitos espectadores desistem sistematicamente de ver um programa e tendem a efectuar zapping entre diversos canais ou a assistir sempre aos mesmos programas ou canais. Diante deste problema de sobrecarga de informação, os sistemas de recomendação apresentam-se como uma solução. Nesta tese pretende estudar-se algumas das soluções existentes dos sistemas de recomendação de televisão e desenvolver uma aplicação que permita a recomendação de um conjunto de programas que representem potencial interesse ao espectador. São abordados os principais conceitos da área dos algoritmos de recomendação e apresentados alguns dos sistemas de recomendação de programas de televisão desenvolvidos até à data. Para realizar as recomendações foram desenvolvidos dois algoritmos baseados respectivamente em técnicas de filtragem colaborativa e de filtragem de conteúdo. Estes algoritmos permitem através do cálculo da similaridade entre itens ou utilizadores realizar a predição da classificação que um utilizador atribuiria a um determinado item (programa de televisão, filme, etc.). Desta forma é possível avaliar o nível de potencial interesse que o utilizador terá em relação ao respectivo item. Os conjuntos de dados que descrevem as características dos programas (título, género, actores, etc.) são armazenados de acordo com a norma TV-Anytime. Esta norma de descrição de conteúdo multimédia apresenta a vantagem de ser especificamente vocacionada para conteúdo audiovisual e está disponível livremente. O conjunto de recomendações obtidas é apresentado ao utilizador através da interacção com uma aplicação Web que permite a integração de todos os componentes do sistema. Para validação do trabalho foi considerado um dataset de teste designado de htrec2011-movielens-2k e cujo conteúdo corresponde a um conjunto de filmes classificados por diversos utilizadores num ambiente real. Este conjunto de filmes possui, para além da classificações atribuídas pelos utilizadores, um conjunto de dados que descrevem o género, directores, realizadores e país de origem. Para validação final do trabalho foram realizados diversos testes dos quais o mais relevante correspondeu à avaliação da distância entre predições e valores reais e cujo objectivo é classificar a capacidade dos algoritmos desenvolvidos preverem com precisão as classificações que os utilizadores atribuiriam aos itens analisados.
With the expansion of Digital Television and convergence between conventional broadcasters and television over IP, the number of available channels has increased gradually putting the viewer in a situation of difficult choices about the program to watch. Overloaded with a lot of programs, many viewers systematically give up watching a program and tend to make zapping between different channels or always watch the same shows or channels. Faced with this problem of information overload, the recommendation systems stand out as a solution. This thesis aims to look into some of the existing solutions for TV recommender systems and to develop an application that allows the recommendations of a set of programs have potential interest to the viewer. It will examine the principal concepts in the area of recommendation systems as well as some of the recommender systems for television programs developed to date. To carry out the recommendations, two algorithms will be developed based on collaborative filtering and content filtering. These algorithms calculate the similarity between items or users to make the prediction of the rating a user would assign to a particular item (television, film, etc.). Thus it is possible to evaluate the level of potential interest that a user will have in relation to a specific item. The data sets that describe the characteristics of programs (title, genre, actors, etc.) are stored according to the TV-Anytime standard. This standard of multimedia content description has the advantage of being specifically geared towards audiovisual content as well as of being a freely available standard. The defined set of recommendations will be presented to the user through a Web application that guarantees the interoperability of the full set of software implemented. To validate the work, an existing dataset designated htrec2011-2k-movielens and whose content corresponds to a set of films classified by multiple users in a real environment was considered. This set of films has, in addition to the ratings given by users, a set of data describing the genre, directors, producers and country of origin. For the final validation of the work, different tests were carried out. The most important corresponds to the evaluation of the distance between predictions and the real evaluation scores. The objective is to classify the ability of the algorithms developed to predict the ratings that users give to items analyzed.
Peer review: yes
URI: http://hdl.handle.net/10400.22/2663
Aparece nas colecções:ISEP - DM – Engenharia Electrotécnica e de Computadores

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
DM_MarcioSoares_2011_MEEC.pdf3,9 MBAdobe PDFVer/Abrir


FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpace
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.