Uma arquitetura multimodal para recomendação baseada em conteúdo para TV digital.
Os provedores de conteúdo de TV Digital estão cada vez mais disseminados, com centenas de programas disponibilizados a cada dia. A sobrecarga de informação torna difícil para o usuário encontrar programas de interesse. Para ajudar o usuário, sistemas de recomendação (SRs) são abordagens populares. C...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2014 |
| País: | Brasil |
| Institución: | Universidade Federal de Campina Grande (UFCG) |
| Repositorio: | Biblioteca Digital de Teses e Dissertações da UFCG |
| Idioma: | portugués |
| OAI Identifier: | oai:dspace.sti.ufcg.edu.br:riufcg/4879 |
| Acceso en línea: | https://dspace.sti.ufcg.edu.br/handle/riufcg/4879 |
| Access Level: | acceso abierto |
| Palabra clave: | Sistemas de Recomendação Multimodalidades TV Digital Satisfação do Usuário Recommendation Systems Multimodalides Digital TV User Satisfaction |
| Sumario: | Os provedores de conteúdo de TV Digital estão cada vez mais disseminados, com centenas de programas disponibilizados a cada dia. A sobrecarga de informação torna difícil para o usuário encontrar programas de interesse. Para ajudar o usuário, sistemas de recomendação (SRs) são abordagens populares. Contudo, aplicar SRs em alguns ambientes apresenta problemas, ou devido à falta de dados, ou porque os dados disponíveis são insuficientes para criar recomendações acuradas utilizando abordagens padrões. No domínio de TV Digital, a principal informação disponível é o guia eletrônico de programação (EPG). Os dados contidos no EPG são limitados, contendo somente dados textuais reduzidos, tornando difícil obter recomendações acuradas usando técnicas de recomendação padrões. Para resolver esse problema, neste trabalho é introduzida uma arquitetura que utiliza uma abordagem multimodal para recomendar programas de TV, combinando o texto do EPG e informações visuais. Um experimento foi realizado e demostrou que usando características multimodais a acurácia da recomendação pode ser elevada quando comparada com uma abordagem de recomendação padrão. |
|---|