Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6303
Title: Uma abordagem centrada na filtragem colaborativa para redução do custo computacional do método k- Nearest Neighbors.
Other Titles: A collaborative filtering approach to reducing the computational cost of the k-Nearest Neighbors method.
???metadata.dc.creator???: COSTA, Antonio Alexandre Moura.
???metadata.dc.contributor.advisor1???: ALMEIDA, Hyggo Oliveira de.
PERKUSICH, Angelo.
???metadata.dc.contributor.referee1???: MARINHO, Leandro Balby.
???metadata.dc.contributor.referee2???: MORAIS, Marcos Ricardo Alcântara.
Issue Date: 26-Jun-2014
Publisher: Universidade Federal de Campina Grande
Citation: COSTA, Antonio Alexandre Moura. Uma abordagem centrada na filtragem colaborativa para redução do custo computacional do método k- Nearest Neighbors. 2014. 91f. (Dissertação de Mestrado em Ciência da Computação) Programa de Pós-graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2014.
???metadata.dc.description.resumo???: Com o surgimento da Web 2.0 o volume de informações disponíveis na Internet cresceu acentuadamente, tornando cada vez mais difícil para o usuário alcançar a informação desejada. Sistemas de recomendação surgem como uma alternativa a esse problema, sugerindo conteúdo personalizado. A filtragem colaborativa e uma das abordagens mais eficazes na área de recomendação. Dentre os algoritmos colaborativos. os modelos baseados em fatores latentes constituem o estado da arte na área. Entretanto, tais modelos não conseguem fornecer uma justificativa para o item recomendado, o que em determinados domínios pode tornar a recomendação desinteressante e facilmente ignorada pelo usuário. Diante desse contexto. uma alternativa interessante e o k-Nearest Neighbors (kNN). um método simples, popular e capaz de fornecer excelentes resultados. Essa técnica gera recomendações a partir das avaliações dos usuários mais similares (vizinhos mais próximos) ao usuário alvo. Apesar de sua eficácia. o kNN apresenta um custo computacional elevado ao ser executado em grandes bases de dados, tornando sua aplicação inviável em alguns domínios. Neste trabalho objetiva-se melhorar o desempenho do kNN a partir da restrição do espaço de busca dos vizinhos mais próximos. O método proposto utiliza uma heurística de seleção baseada na escolha dos usuários que mais avaliaram itens. Como resultado, constatou-se que utilizando apenas 15% dos usuários na busca dos vizinhos, consegue-se reduzir significativamente o custo computacional. porem mantendo alto nível de acurácia.
Abstract: With the emergence of Web 2.0 the volume of information available on the Internet has grown dramatically, becoming increasingly difficult for the user to achieve the desired information. Recommendation systems emerge as an alternative to this problem, suggesting personalized content. Collaborative filtering is one of the most effective approaches in the area of recommendation. Among the collaborative algorithms, latent factors models are the state of the art in the area. However, such models can not provide a justification for the recommended item, which in some areas can make the recommendation uninteresting and easily ignored by the target user. In this context, an interesting alternative is the k-Nearest Neighbors ( kNN ). a simple, popular and very robust method. This technique generates recommendations from ratings of the most similar users (nearest neighbors) to the target user. Despite its efficiency, kNN has a high computational cost when executed over large databases, making its application impractical in some domains. In this work we aim to improve the performance of kNN from the restriction of the search space of the nearest neighbors. The proposed method uses a user heuristic selection based on the choice of most rated items. As a result it was found that using only 15% of the neighbors searching space, it was possible to significantly reduce the computational cost, while maintaining high accuracy level.
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/6303
Appears in Collections:Mestrado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
ANTONIO ALEXANDRE MOURA COSTA - DISSERTAÇÃO PPGCC 2014.pdfAntonio Alexandre Moura Costa - Dissertação PPGCC 2014.14.45 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.