Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.

As Redes Sociais Baseadas em Localização (RSBL) surgiram com o propósito de permitir que os usuários possam compartilhar com sua rede de amigos informações a respeito dos pontos de interesse (POIs) que eles visitaram. Neste contexto, a capacidade de recomendar novos lugares para que os usuários poss...

Descripción completa

Detalles Bibliográficos
Autor: NUNES, Iury Dewar Cruz de Oliveira.
Tipo de recurso: tesis de maestría
Estado:Versión publicada
Fecha de publicación:2014
País:Brasil
Institución:Universidade Católica de Brasília (UCB)
Repositorio:Repositório Institucional da UCB
Idioma:portugués
OAI Identifier:oai:localhost:riufcg/375
Acceso en línea:http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/375
Access Level:acceso abierto
Palabra clave:Redes sociais baseadas em localização - RSBL
Sistema de recomendação.
Foursquare
Recomender system
Pontos de Interesse - POIs
Recomendação baseada em Regressão Linear
Recomendação baseada em proximidade
Recomendação baseada em Múltiplos centros Gaussianos
Difusão baseada em filtragem colaborativa
Recommendation based on Linear Regression
Ciência da Computação.
id BR_6519fe6d5c44a943e0a48973e4d79562
oai_identifier_str oai:localhost:riufcg/375
network_acronym_str BR
network_name_str Brasil
repository_id_str
dc.title.none.fl_str_mv Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.
Points-of-interest recommendations based on historical and location-based check-ins locations in social networks.
title Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.
spellingShingle Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.
NUNES, Iury Dewar Cruz de Oliveira.
Redes sociais baseadas em localização - RSBL
Sistema de recomendação.
Foursquare
Recomender system
Pontos de Interesse - POIs
Recomendação baseada em Regressão Linear
Recomendação baseada em proximidade
Recomendação baseada em Múltiplos centros Gaussianos
Difusão baseada em filtragem colaborativa
Recommendation based on Linear Regression
Ciência da Computação.
title_short Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.
title_full Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.
title_fullStr Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.
title_full_unstemmed Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.
title_sort Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.
dc.creator.none.fl_str_mv NUNES, Iury Dewar Cruz de Oliveira.
author NUNES, Iury Dewar Cruz de Oliveira.
author_facet NUNES, Iury Dewar Cruz de Oliveira.
author_role author
dc.contributor.none.fl_str_mv MARINHO, Leandro Balby.
MARINHO, L. B.
http://lattes.cnpq.br/3728312501032061
dc.subject.por.fl_str_mv Redes sociais baseadas em localização - RSBL
Sistema de recomendação.
Foursquare
Recomender system
Pontos de Interesse - POIs
Recomendação baseada em Regressão Linear
Recomendação baseada em proximidade
Recomendação baseada em Múltiplos centros Gaussianos
Difusão baseada em filtragem colaborativa
Recommendation based on Linear Regression
Ciência da Computação.
topic Redes sociais baseadas em localização - RSBL
Sistema de recomendação.
Foursquare
Recomender system
Pontos de Interesse - POIs
Recomendação baseada em Regressão Linear
Recomendação baseada em proximidade
Recomendação baseada em Múltiplos centros Gaussianos
Difusão baseada em filtragem colaborativa
Recommendation based on Linear Regression
Ciência da Computação.
description As Redes Sociais Baseadas em Localização (RSBL) surgiram com o propósito de permitir que os usuários possam compartilhar com sua rede de amigos informações a respeito dos pontos de interesse (POIs) que eles visitaram. Neste contexto, a capacidade de recomendar novos lugares para que os usuários possam visitar é importante, pois pode, eventualmente, melhorar a experiência destes usuários ao utilizar o sistema. O contexto geogr´afico certamente influencia os usu´arios na hora de escolher os locais a serem visitados. Sendo assim, inicialmente analisamos este contexto de forma isolada, através de recomendadores de POIs puramente baseados em informacões geográficas. Além disso, propomos um novo recomendador puramente geográfico baseado em Kernels Gaussianos. Os resultados dos nossos experimentos demonstraram que o modelo proposto consegue alcançar uma maior acurácia que os recomendadores puramente geográficos presentes no estado-da-arte na maioria dos casos avaliados. Porém esta mesma análise demonstrou que o contexto geográfico isoladamente não é capaz de gerar recomendações com alta acurácia de forma geral. Logo, ao modelar um recomendador de POIs é necessário combinar as informações geográficas com outros contextos a fim de melhorar sua acurácia. Sendo assim, também propomos um novo recomendador de POIs que consegue capturar as preferências de usuários (de forma similar às técnicas de filtragem colaborativa) e informações geográficas em um único modelo baseado em difusão de grafos. Este recomendador visa aprender um ranking personalizado de lugares a serem recomendados para cada usuário levando em consideração os lugares visitados por outros usuários com preferências similares, as distâncias entre os lugares visitados e os lugares candidatos à recomendação, e as regiões as quais o usuário visita mais frequentemente. Os nossos experimentos mostraram que este modelo consegue ser mais eficiente que os modelos de recomendações de POIs presentes no estado-da-arte, além de conseguir alcançar uma acurácia igual ou superior às abordagens comparadas. todos os experimentos foram realizados utilizando dados reais de uma das RSBL mais populares atualmente: o Foursquare.
publishDate 2014
dc.date.none.fl_str_mv 2014-08-28
2018-04-12T20:38:00Z
2018-04-12
2018-04-12T20:38:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/375
NUNES, Iury Dewar Cruz de Oliveira. Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização. 2014. 64f. (Dissertação de Mestrado), Programa de Pós-graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2014. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/375
url http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/375
identifier_str_mv NUNES, Iury Dewar Cruz de Oliveira. Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização. 2014. 64f. (Dissertação de Mestrado), Programa de Pós-graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2014. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/375
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
UFCG
dc.source.none.fl_str_mv reponame:Repositório Institucional da UCB
instname:Universidade Católica de Brasília (UCB)
instacron:UCB
instname_str Universidade Católica de Brasília (UCB)
instacron_str UCB
institution UCB
reponame_str Repositório Institucional da UCB
collection Repositório Institucional da UCB
repository.name.fl_str_mv Repositório Institucional da UCB - Universidade Católica de Brasília (UCB)
repository.mail.fl_str_mv sara.ribeiro@ucb.br
_version_ 1853664979104825344
spelling Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização.Points-of-interest recommendations based on historical and location-based check-ins locations in social networks.Redes sociais baseadas em localização - RSBLSistema de recomendação.FoursquareRecomender systemPontos de Interesse - POIsRecomendação baseada em Regressão LinearRecomendação baseada em proximidadeRecomendação baseada em Múltiplos centros GaussianosDifusão baseada em filtragem colaborativaRecommendation based on Linear RegressionCiência da Computação.As Redes Sociais Baseadas em Localização (RSBL) surgiram com o propósito de permitir que os usuários possam compartilhar com sua rede de amigos informações a respeito dos pontos de interesse (POIs) que eles visitaram. Neste contexto, a capacidade de recomendar novos lugares para que os usuários possam visitar é importante, pois pode, eventualmente, melhorar a experiência destes usuários ao utilizar o sistema. O contexto geogr´afico certamente influencia os usu´arios na hora de escolher os locais a serem visitados. Sendo assim, inicialmente analisamos este contexto de forma isolada, através de recomendadores de POIs puramente baseados em informacões geográficas. Além disso, propomos um novo recomendador puramente geográfico baseado em Kernels Gaussianos. Os resultados dos nossos experimentos demonstraram que o modelo proposto consegue alcançar uma maior acurácia que os recomendadores puramente geográficos presentes no estado-da-arte na maioria dos casos avaliados. Porém esta mesma análise demonstrou que o contexto geográfico isoladamente não é capaz de gerar recomendações com alta acurácia de forma geral. Logo, ao modelar um recomendador de POIs é necessário combinar as informações geográficas com outros contextos a fim de melhorar sua acurácia. Sendo assim, também propomos um novo recomendador de POIs que consegue capturar as preferências de usuários (de forma similar às técnicas de filtragem colaborativa) e informações geográficas em um único modelo baseado em difusão de grafos. Este recomendador visa aprender um ranking personalizado de lugares a serem recomendados para cada usuário levando em consideração os lugares visitados por outros usuários com preferências similares, as distâncias entre os lugares visitados e os lugares candidatos à recomendação, e as regiões as quais o usuário visita mais frequentemente. Os nossos experimentos mostraram que este modelo consegue ser mais eficiente que os modelos de recomendações de POIs presentes no estado-da-arte, além de conseguir alcançar uma acurácia igual ou superior às abordagens comparadas. todos os experimentos foram realizados utilizando dados reais de uma das RSBL mais populares atualmente: o Foursquare.Location-Based Social Networks (LBSN) emerged with the purpose of allowing users to share, with their friends, information about points of interest (POIs) they visited. In this context, the ability to recommend new places for users to visit is important because it can eventually improve the overall user experience while using the system. The geographical context certainly influences the locations that the users choose to visit. Therefore, initially we analyzed this context separately, through the recommenders of POIs purely based on geographical information. Furthermore, we propose a new geographicaware recommender based on Gaussian Kernels. The results of our experiments demonstrated that the proposed model can achieve higher accuracy than the state-of-the art recommenders solely based on geographical information, in most of the cases evaluated. However, this same analysis showed that the geographical context alone is not able to generate recommendations owith high accuracy. So to model a new recommender of POIs, it is necessary to combine geographic information with other contexts in order to achieve high accuracy. Thus, we also propose a new recommender of POIs that can capture the preferences of users (similar to collaborative filtering techniques) and geographical information in a single model based on diffusion on graphs. This recommender aims to learn a personalized ranking of places to be recommended for each user taking into consideration the places visited by other users with similar preferences, the distances between the places visited and places candidates for recommendation, and the regions which the user visits more often. Our experiments showed that this model can be more efficient than state-of-the-art recommenders of POIs, also achieving an accuracy equal to or greater than the compared approaches. All experiments were conducted using real data from one of the most popular RSBL nowadays: Foursquare.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIPÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOUFCGMARINHO, Leandro Balby.MARINHO, L. B.http://lattes.cnpq.br/37283125010320612014-08-282018-04-12T20:38:00Z2018-04-122018-04-12T20:38:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/375NUNES, Iury Dewar Cruz de Oliveira. Recomendações de pontos de interesse baseadas no histórico e localizações de check-ins em redes sociais baseadas em localização. 2014. 64f. (Dissertação de Mestrado), Programa de Pós-graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande - Paraíba - Brasil, 2014. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/375porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UCBinstname:Universidade Católica de Brasília (UCB)instacron:UCBNUNES, Iury Dewar Cruz de Oliveira.2022-03-22T12:51:07Zoai:localhost:riufcg/375Repositório InstitucionalPRIhttps://repositorio.ucb.br/oai/requestsara.ribeiro@ucb.bropendoar:2022-03-22T12:51:07Repositório Institucional da UCB - Universidade Católica de Brasília (UCB)false
score 15,300719

Similares en LA Referencia